Trustworthy Few-Shot Transfer Learning withExplainable AI for PCOS Ultrasound Classification

Nas salas silenciosas e com pouca luz de uma clínica moderna, um médico segura uma sonda contra a pele de um paciente, observando uma tela granulada em preto e branco ganhar vida. Isso é um ultrassom, uma janela para o corpo que revela a forma e a textura dos órgãos internos. Para mulheres em idade reprodutiva, uma das condições mais comuns que os médicos procuram é a síndrome dos ovários policísticos, um distúrbio hormonal que pode afetar a fertilidade e a saúde geral. Para diagnosticá-la, um especialista deve contar pequenos sacos cheios de fluido, chamados folículos, nos ovários e medir o seu tamanho. Esta tarefa é difícil. Ela depende fortemente da experiência do médico, da qualidade da máquina e até mesmo do ângulo da sonda. Dois especialistas olhando para a mesma imagem podem discordar na contagem, levando à incerteza no tratamento.

Durante anos, cientistas tentaram construir programas de computador que pudessem ler estas imagens com a mesma habilidade de um especialista humano. Estes programas, conhecidos como inteligência artificial, são geralmente treinados mostrando-lhes milhares de exemplos rotulados até que aprendam a reconhecer padrões. No entanto, no mundo real da medicina, reunir milhares de imagens perfeitas e rotuladas é frequentemente impossível. Os hospitais podem ter apenas algumas dezenas de casos, ou os dados podem estar espalhados por diferentes clínicas. Isto cria um grande obstáculo: como pode um computador aprender a diagnosticar uma condição quando tem muito pouco para estudar? Além disso, mesmo quando um computador faz um palpite correto, os médicos precisam saber o porquê. Eles precisam ver em que parte da imagem o computador está a olhar, para garantir que não está apenas a adivinhar com base num grão de ruído aleatório. Esta necessidade de clareza é o coração de um novo estudo que explora como construir uma IA médica confiável quando os dados são escassos.

Uma equipa de investigadores da Daffodil International University, em Bangladesh, decidiu resolver este duplo problema. Eles queriam saber se um computador poderia aprender a identificar a síndrome dos ovários policísticos a partir de imagens de ultrassom usando apenas um punhado de exemplos, e se as razões que ele dava para as suas decisões permaneceriam fiáveis sob essas condições difíceis. Para fazer isto, utilizaram uma vasta coleção de 11.784 imagens de ultrassom, divididas em dois grupos: aqueles que mostravam a síndrome e aqueles que não a mostravam. Em vez de treinarem os seus modelos em toda a coleção de uma só vez, simularam um cenário onde o computador teria de aprender a partir de grupos muito pequenos de imagens. Testaram o sistema com tão poucos quanto cinco exemplos por condição, aumentando gradualmente o número para dez, vinte, cinquenta e, finalmente, o conjunto de dados completo.

Os investigadores compararam dois tipos diferentes de arquiteturas de computador, que podem ser pensadas como os motores subjacentes que processam a informação visual. Um motor foi concebido para ser extremamente eficiente, mas foi mantido maioritariamente congelado, o que significa que não podia alterar muito a sua estrutura interna durante a aprendizagem. O outro motor foi permitido ajustar as suas camadas finais, dando-lhe mais flexibilidade para se adaptar aos detalhes específicos das imagens médicas. Os resultados mostraram um vencedor claro no ambiente de baixos dados. O motor flexível, que ajustou as suas camadas mais profundas, superou consistentemente o motor rígido. Quando lhe foram dados apenas cinco exemplos para aprender, o sistema flexível identificou corretamente a condição cerca de 79 por cento das vezes, enquanto o sistema rígido conseguiu cerca de 76 por cento. À medida que a quantidade de dados de treino crescia, ambos os sistemas melhoravam, mas o flexível mantinha uma liderança constante, especialmente quando o número de exemplos era pequeno. Nos níveis mais baixos de dados, o sistema rígido alcançou um nível de desempenho respeitável de 75,5% de precisão e 0,844 de AUC, embora tenha mostrado uma precisão ligeiramente inferior e uma capacidade menos equilibrada de distinguir entre os dois tipos de imagens em comparação com o sistema flexível.

Talvez a descoberta mais surpreendente tenha sido relativa ao "porquê" por trás das decisões do computador. Os investigadores utilizaram uma técnica que destaca as áreas específicas de uma imagem que influenciaram a escolha do computador, criando um mapa de calor que brilha sobre as partes relevantes. Eles queriam ver se estes mapas de calor se tornavam borrados ou pouco fiáveis quando o computador era treinado com muito poucas imagens. Mediram a confiabilidade destas explicações usando vários testes rigorosos, verificando se a confiança do computador caía quando a área destacada era removida, e quão estável o mapa de calor permanecia quando a imagem era ligeiramente alterada. As descobertas foram tranquilizadoras. Embora as métricas específicas variassem entre modelos e quantidades de dados, a qualidade geral da explicação não degradou estatisticamente à medida que a quantidade de dados de treino diminuía. Mesmo quando o computador foi treinado com apenas cinco exemplos, os mapas de calor que produzia permaneceram estatisticamente fiéis na sua fidelidade, mostrando que o computador estava genuinamente a olhar para os folículos e para as estruturas ovarianas que importam para um médico, independentemente de quão pouco dado tinha visto, mesmo que os padrões de ativação visual parecessem um pouco mais difusos do que em cenários de dados completos.

Esta estabilidade manteve-se verdadeira mesmo quando os investigadores testaram a robustez do sistema contra o ruído, simulando as variações que acontecem nas clínicas do mundo real, onde os equipamentos diferem de hospital para hospital. O sistema flexível permaneceu estável, enquanto o sistema rígido mostrou sinais de sensibilidade, com as suas explicações a mudarem mais facilmente quando a qualidade da imagem mudava. O estudo sugere que, para a IA médica ser verdadeiramente útil em ambientes de recursos limitados, onde grandes conjuntos de dados não estão disponíveis, a chave não é apenas ter um modelo poderoso, mas sim escolher um modelo que possa adaptar as suas camadas mais profundas à tarefa específica. A investigação confirma que é possível construir sistemas que sejam simultaneamente precisos e explicáveis, mesmo quando os dados de treino são extremamente limitados. Isto oferece um caminho para a implementação de ferramentas de diagnóstico confiáveis em locais onde cada imagem de paciente conta, garantindo que o raciocínio do computador permaneça claro e fiável para os médicos que dele dependem.