Päť modelov segmentácie mozgových nádorov dostalo porovnanie za rovnakých podmienok

Automatická segmentácia mozgových nádorov z magnetickej rezonancie patrí medzi medicínske úlohy, pri ktorých môže kvalita modelu priamo ovplyvniť ďalšie spracovanie snímok. Segmentačný systém označuje jednotlivé oblasti nádoru vo všetkých rezoch trojrozmerného MRI objemu. Takéto mapy môžu podporiť plánovanie operácie alebo rádioterapie, sledovanie vývoja ochorenia a kvantitatívne porovnávanie vyšetrení. Ručné zakresľovanie je pritom časovo náročné, závisí od skúseností špecialistu a výsledok sa môže medzi hodnotiteľmi líšiť.

Výskumníci z University of Las Palmas de Gran Canaria preto pripravili jednotný experimentálny benchmark piatich reprezentatívnych architektúr. Zahrnuli klasický 3D U-Net, reziduálny konvolučný SegResNet, transformerový Swin UNETR a dve siete založené na stavových modeloch – SegMamba a SegMambaV2. Všetkých päť systémov trénovali s rovnakým predspracovaním, augmentáciou, optimalizačnou stratégiou, rozdelením dát a postupom vyhodnotenia. Rozdiely vo výsledkoch tak majú vo väčšej miere odrážať architektúru, nie odlišné podmienky experimentu.

Práve jednotné podmienky sú dôležitým príspevkom práce. Skóre z dvoch samostatných článkov často nemožno priamo porovnať, aj keď oba tvrdia, že testujú rovnakú úlohu. Výsledok ovplyvňuje spôsob normalizácie MRI, výber tréningových výrezov, augmentácia, stratová funkcia, dĺžka tréningu aj inferenčný postup. Nový benchmark sa pokúša tieto premenné zafixovať a okrem segmentačnej presnosti sleduje aj čas inferencie, tréningové náklady a počet trénovateľných parametrov.

Autori použili dve klinicky odlišné kolekcie zo série výziev BraTS. Prvou je BraTS 2023 pre intrakraniálne meningiómy. Obsahuje 1 000 anotovaných tréningových prípadov a 141 validačných prípadov bez verejných referenčných masiek; na kvantitatívne testovanie preto slúžili anotované dáta. Každý prípad zahŕňa štyri zaregistrované MRI modality. Meningiómy môžu mať pomerne dobre vymedzené hranice, no výrazne sa líšia veľkosťou, tvarom a umiestnením, vrátane anatomicky komplikovaných oblastí pri báze lebky.

Druhou úlohou je segmentácia gliómov po liečbe z BraTS 2024. Dve anotované tréningové časti obsahujú 1 350 a 271 pacientov, zatiaľ čo 188 validačných prípadov nemá verejné masky. Pooperačné dutiny, nekróza, edém a zmeny vyvolané ožarovaním môžu na snímkach pripomínať zvyškový nádor alebo meniť normálnu anatómiu. Ide preto o odlišný a spravidla náročnejší scenár než segmentácia pred liečbou. Zaradenie oboch kolekcií umožňuje sledovať, či sa relatívne výhody architektúr prenášajú medzi rozdielnymi klinickými situáciami.

Dáta zároveň ukazujú, prečo nestačí jedno priemerné skóre. V kolekcii meningiómov sa zvýrazňujúca časť nádoru nachádza takmer vo všetkých prípadoch, zatiaľ čo nezvýrazňujúce jadro je prítomné podstatne menej často a tvorí len malú časť označeného objemu. Pri gliómoch po liečbe dominuje okolitá hyperintenzita vo FLAIR, kým nezvýrazňujúce jadro predstavuje približne 2,4 percenta anotovaného objemu. Model môže teda dosiahnuť dobrý súhrnný výsledok a zároveň zlyhávať na malej, ale klinicky relevantnej podoblasti.

Porovnanie troch architektonických rodín má aj praktický infraštruktúrny rozmer. Konvolučné siete zostávajú silným a dobre preskúmaným základom, transformery dokážu explicitnejšie zachytávať vzdialené priestorové vzťahy, no pri trojrozmerných objemoch môžu byť výpočtovo náročné. Modely rodiny Mamba sa snažia modelovať dlhý kontext s priaznivejšou škálovateľnosťou než štandardná pozornosť. Benchmark preto nehodnotí iba to, ktorá sieť vytvorí najpresnejšiu masku, ale aj cenu, za ktorú túto presnosť dosiahne.

Pre nemocnicu alebo výrobcu zdravotníckeho softvéru môže byť takýto kompromis rozhodujúci. Väčší model s mierne lepším skóre nemusí byť najvhodnejší, ak potrebuje výrazne viac pamäte, spomaľuje spracovanie celého vyšetrenia alebo sa ťažšie prevádzkuje na dostupnom hardvéri. Naopak, rýchlejší model môže byť vhodný na predbežnú segmentáciu a následnú kontrolu lekárom. Štúdia tak ponúka užitočnejší rámec rozhodovania než izolované rebríčky založené na jedinom ukazovateli.

Výsledky však nemožno chápať ako klinické schválenie ani ako dôkaz, že jedna architektúra bude najlepšia v každej nemocnici. Ide o prvú verziu preprintu na arXiv, nie o ukončenú externú klinickú validáciu. Hodnotenie používa verejné kolekcie BraTS a nezachytáva automaticky rozdiely medzi skenermi, pracoviskami, populáciami pacientov či lokálnymi protokolmi. Pred nasadením by bolo potrebné nezávislé testovanie, kontrola chýb v jednotlivých podoblastiach a jasne definovaný dohľad odborníka.

Najpodstatnejším odkazom práce preto nie je jednoduché poradie piatich názvov. Benchmark ukazuje, že diskusia o novších transformeroch alebo stavových modeloch má zmysel iba pri porovnateľnom tréningu a pri spoločnom meraní presnosti aj prevádzkových nákladov. Pre ďalší výskum môže jednotný protokol slúžiť ako reprodukovateľný základ; pre prax je pripomienkou, že pri medicínskej AI treba hodnotiť konkrétnu klinickú úlohu, najťažšie podskupiny a celý proces nasadenia, nie iba najvyššie číslo v tabuľke.