Single-Stage Deep Learning Pipeline for Multi-Label Ordinal Classification of Lumbar Spine Degenerative Disease from Multisequence MRI with Disc-Level Grad-CAM Explainability Analysis

Resumo Técnico: Pipeline de Aprendizado Profundo de Estágio Único para Classificação Ordinal Multirrótulo de Doença Degenerativa da Coluna Lombar

Definição do Problema
A doença degenerativa da coluna lombar é uma das principais causas de incapacidade crônica global, afetando aproximadamente 266 milhões de pessoas. Embora a RM seja o padrão de referência para o diagnóstico, a interpretação especializada é intensiva em tempo e sofre de variabilidade interobservador clinicamente significativa, particularmente em relação ao estreitamento do forame neural. As soluções existentes de aprendizado profundo para classificação lombar são predominantemente de instituição única, abordam apenas uma ou duas condições e carecem de explicabilidade ao nível do disco. Além disso, nenhum estudo publicado classificou simultaneamente todas as cinco condições degenerativas em todos os cinco níveis de disco lombar com gradação de severidade ordinal fornecendo mapas de ativação interpretáveis. Este estudo aborda essas lacunas através do desenvolvimento de um modelo capaz de classificação ordinal simultânea para um problema complexo de 25 tarefas (5 condições × 5 níveis de disco) utilizando RM multisseriada.

Metodologia
O estudo utilizou um design multi-institucional retrospectivo de conjunto de dados único baseado no dataset RSNA 2024 LumbarDISC, compreendendo 8.593 séries de RM multisseriadas de 2.697 pacientes de oito instituições.

• Particionamento de Dados: O particionamento por nível de paciente foi realizado, resultando em um conjunto de treinamento de 1.679 estudos e um conjunto de validação interna de 296 estudos.
• Processamento de Entrada: A RM multisseriada (T2 sagital, T1 sagital e T2 axial) foi fundida em uma única entrada JPEG de 3 canais de 512×512. O T2 sagital utilizou uma projeção média de três cortes centrais, o T1 sagital utilizou o corte médio e o T2 axial utilizou o corte médio por número de instância DICOM.
• Arquitetura do Modelo: Uma espinha dorsal (backbone) EfficientNet-B4 de estágio único (pré-treinada no ImageNet) foi empregada. A arquitetura gera 75 logits, remodelados para [Batch, 25, 3], representando previsões de três classes (Normal/Leve, Moderado, Severo) para cada um dos 25 pares condição-nível.
• Estratégia de Treinamento: O modelo foi treinado usando uma perda de entropia cruzada ponderada por distância com ponderação de classe por frequência inversa para lidar com o desequilíbrio de graus. A função de perda aplicou pesos de distância ordinal (1,5× para erros de graus adjacentes, 2,0× para erros de dois graus) para alinhar com o kappa ponderado quadrático (QWK). A otimização foi realizada usando AdamW com uma taxa de aprendizado de 3×10⁻⁵ ao longo de 32 épocas.
• Explicabilidade: O mapeamento de ativação de classe ponderado pelo gradiente (Grad-CAM) foi aplicado ao bloco convolucional final para gerar mapas de calor para a classe "Severo" em todas as saídas. Estes foram revisados qualitativamente em 10 estudos de validação com o maior número de rótulos "Severo".

Principais Resultados

• Desempenho Geral: O modelo alcançou um AUC macro-médio de 0,61 para detecção de doença Severa e um QWK macro-médio de 0,22 em todas as 25 saídas. De acordo com os critérios de Landis e Koch, um QWK de 0,22 representa concordância "leve a regular", o que está abaixo da concordância moderada a substancial tipicamente observada entre radiologistas.
• Desempenho Específico por Nível: O desempenho variou conforme o nível do disco. O maior desempenho foi observado em L3–L4 (QWK médio 0,32, AUC médio 0,65) e L4–L5 (QWK médio 0,24, AUC médio 0,70).
• Sensibilidade vs. Especificidade: Em L4–L5, o modelo demonstrou alta sensibilidade para estenose de canal espinal Severa (0,955) mas com uma especificidade baixa (0,569), resultando em uma taxa de falsos positivos de 43,1% entre casos não Severos.
• Tendências Específicas de Condição: A estenose subarticular apresentou o maior kappa médio, enquanto o estreitamento do forame neural esquerdo apresentou o menor (0,13), consistente com a conhecida variabilidade de radiologistas na gradação do estreitamento foraminal.
• Explicabilidade: A análise Grad-CAM em 10 estudos selecionados revelou padrões de ativação anatomicamente plausíveis. Os mapas de calor para previsões Severas localizaram-se progressivamente para os níveis lombares inferiores (L3–S1) em doenças multiníveis, com lateralização apropriada para o estreitamento foraminal. Nenhuma ativação foi observada fora da região da coluna lombar.

Significância e Alegações
Os autores posicionam este trabalho como o estabelecimento de um baseline para um problema complexo de classificação ordinal de 25 tarefas, em vez de uma ferramenta clinicamente implantável.

• Estabelecimento de Baseline: O estudo demonstra que um modelo EfficientNet-B4 de estágio único pode classificar simultaneamente cinco condições degenerativas em todos os cinco níveis de disco, uma tarefa mais complexa do que abordagens anteriores de condição única ou de dois estágios.
• Contribuição de Explicabilidade: O artigo alega uma contribuição inédita ao fornecer explicabilidade Grad-CAM ao nível do disco para um modelo baseado em RM que opera em todos os cinco níveis lombares e cinco condições simultaneamente, um recurso ausente na literatura de classificação anterior.
• Limitações Clínicas: Os autores declaram explicitamente que a implantação clínica não é suportada na forma atual devido ao baixo QWK geral (0,22) e à alta taxa de falsos positivos (43%) em pontos de operação de alta sensibilidade. Os resultados indicam que o modelo é mais eficaz na detecção binária de "Severo" do que no ranking ordinal detalhado.
• Direções Futuras: O estudo identifica áreas-chave para melhoria, incluindo o uso de pipelines de dois estágios com extração explícita de patches por nível de disco, validação prospectiva em ambientes de baixos recursos (especificamente na Patan Academy of Health Sciences), métodos de ensemble e a adoção de perdas de regressão ordinal dedicadas (ex: CORN ou CORAL) para melhorar a consistência de ranking.

Em conclusão, embora o modelo alcance sensibilidade clinicamente significativa para doença Severa em níveis prevalentes (L3–L4, L4–L5), os autores enfatizam que otimização adicional e validação externa são necessárias antes que o sistema possa ser considerado para triagem clínica prática.