A ResNet-50 Classifier with Grad-CAM and SHAP for Explainable Breast Cancer Detection in Dense Mammography: Comparison with Human Radiologist Performance

Resumo Técnico: Um Classificador ResNet-50 com Grad-CAM e SHAP para Detecção Explicável de Câncer de Mama em Mamografias Densas

Declaração do Problema
O câncer de mama continua sendo a malignidade diagnosticada com maior frequência entre as mulheres globalmente. Embora a mamografia de rastreamento reduza a mortalidade, sua eficácia é significativamente comprometida em mulheres com tecido mamário denso, onde estruturas fibroglandulares sobrepostas obscurecem as lesões. Radiologistas que interpretam mamografias densas alcançam uma sensibilidade de apenas 60–70%, levando a cânceres perdidos e diagnósticos tardios. Embora modelos de aprendizado profundo tenham demonstrado alta precisão em estudos retrospectivos, eles tipicamente funcionam como "caixas pretas", carecendo da transparência necessária para a adoção clínica. Médicos não podem verificar o raciocínio do modelo ou identificar potenciais vieses, o que limita a confiança e a integração nos fluxos de trabalho. Há uma necessidade urgente de sistemas de diagnóstico que não apenas alcancem alta precisão em mamografias densas, mas que também forneçam explicações interpretáveis e clinicamente acionáveis.

Metodologia
O estudo empregou uma abordagem de aprendizado profundo supervisionado utilizando uma arquitetura ResNet-50 treinada em um conjunto de dados equilibrado derivado da coleção MammoBench v2. Este conjunto de dados agrega seis fontes de mamografia (INbreast, CMMD, DDSM, DMID, KAU-BCMD e CDD-CESM), totalizando 19.731 imagens. Para lidar com o desequilíbrio de classes, os autores construíram um conjunto de dados equilibrado de 16.368 imagens (8.184 malignas e 8.184 não cancerosas), que foi dividido em conjuntos de treinamento (60%), validação (20%) e teste (20%).

A arquitetura do modelo utilizou um backbone ResNet-50 pré-treinado no ImageNet, com a camada de classificação superior removida e substituída por uma camada de pooling de média global, camadas de dropout e camadas densas para classificação binária. O modelo foi treinado usando perda de entropia cruzada binária com o otimizador Adam, empregando parada precoce (early stopping) e redução da taxa de aprendizado para evitar o sobreajuste (overfitting).

Para abordar a lacuna de interpretabilidade, o estudo integrou duas técnicas de IA Explicável (XAI):

1. Grad-CAM (Gradient-weighted Class Activation Mapping): Aplicado à camada conv5_block3_conv para gerar mapas de calor espaciais. Isso visualiza as regiões específicas da mamografia que mais influenciaram a previsão do modelo, respondendo à pergunta "onde".
2. SHAP (SHapley Additive exPlanations): Aplicado a uma amostra estratificada de 300 imagens de teste usando KernelSHAP. Este método quantifica a contribuição de características individuais para a saída do modelo, fornecendo interpretabilidade global e avaliando a confiança da previsão.

Principais Contribuições
O artigo apresenta quatro contribuições primárias:

1. Benchmarking de Desempenho: Demonstra que um classificador ResNet-50 padrão pode alcançar uma sensibilidade mais alta (72,2%) do que a faixa humana relatada (60–70%) para mamografia de mama densa, mantendo uma especificidade competitiva.
2. Estrutura Abrangente de XAI: Combina explicações espaciais (Grad-CAM) com importância de características quantitativa (SHAP) para gerar limiares de confiança clinicamente acionáveis.
3. Caracterização de Erros: Utiliza visualizações de Grad-CAM para distinguir tipos de erro. Os falsos negativos são caracterizados por uma ativação fraca e difusa que falha em localizar a lesão, enquanto os falsos positivos exibem ou uma ativação focal forte sobre massas benignas (interpretação errônea) ou ativação difusa sobre o parênquima denso (sobreinterpretação).
4. Diretrizes de Implantação Clínica: Deriva diretrizes de confiança específicas baseadas na análise SHAP, recomendando o uso do modelo como um segundo leitor de suporte, em vez de um rastreador autônomo.

Resultados
Em um conjunto de teste de 3.274 imagens equilibradas, o modelo alcançou:

• Acurácia: 76,45%
• Sensibilidade (Recall): 72,2% (detectando 1.182 de 1.637 casos malignos)
• Especificidade: 80,7% (identificando corretamente 1.321 de 1.637 casos não cancerosos)
• AUC-ROC: 0,846
• Precisão Média: 0,835

A sensibilidade de 72,2% excede o desempenho humano típico para mamas densas, embora a especificidade seja modestamente inferior à norma do radiologista de 85–90%. Os autores observam que essa troca é clinicamente aceitável para uma ferramenta de segundo leitor, onde perder um câncer é o risco principal.

A análise SHAP de 300 imagens de teste amostradas aleatoriamente revelou que todas as previsões caíram em uma faixa de probabilidade "incerta" (0,3–0,7), com uma probabilidade média de 0,351 e uma entropia média de 0,64. Isso indica que o modelo expressa cautela apropriada em mamografias não selecionadas e retorna à prevalência basal na ausência de evidências fortes.

Significância e Alegações
O artigo alega que um classificador de aprendizado profundo padrão, quando pareado com métodos robustos de explicabilidade, pode superar a sensibilidade humana no domínio desafiador do tecido mamário denso, fornecendo ao mesmo tempo um raciocínio transparente. O estudo enfatiza que o modelo é melhor implantado como um segundo leitor, não como uma ferramenta de diagnóstico autônoma.

Com base nos achados do SHAP, os autores propõem três recomendações clínicas específicas:

1. Confiar no modelo quando as probabilidades de saída estiverem abaixo de 0,3 ou acima de 0,7, pois estas representam previsões de alta confiança.
2. Exigir revisão obrigatória do radiologista para previsões entre 0,4 e 0,6, onde a incerteza do modelo é maior.
3. Implantar o modelo para sinalizar casos de alta confiança e delegar casos ambíguos a especialistas humanos, thereby aumentando, em vez de substituir, o julgamento clínico.

Os autores concluem que esta estrutura oferece um caminho prático para integrar a IA explicável no rastreamento do câncer de mama, potencialmente melhorando as taxas de detecção precoce e reduzindo os cânceres perdidos em populações de mamas densas. O estudo reconhece limitações, incluindo a falta de um estudo de leitor pareado, o uso de um conjunto de dados equilibrado que sobre-representa a prevalência de câncer e a ausência de anotações demográficas para análise de viés de subgrupo.