Avaliando a transferência de aprendizado na análise de radiografias torácicas: um estudo de caso com a base brasileira Brax

A integração de técnicas de aprendizado de máquina na medicina tem aprimorado significativamente os diagnósticos médicos, tornando-os mais eficientes, ágeis e precisos. Com a evolução contínua dos conjuntos de dados médicos, adaptar modelos de aprendizado de máquina a contextos distintos, lidando com desafios como domain shift e escassez de dados, é crucial. Para isso, estratégias de transferência de aprendizado e fine-tuning desempenham um papel fundamental na otimização do treinamento, adaptando modelos pré-treinados a novos dados de forma eficaz. Este estudo investiga o impacto de diferentes estratégias de fine-tuning na tarefa de classificação multirrótulo de patologias torácicas em radiografias de tórax. Em vez de focar exclusivamente na comparação entre arquiteturas, analisamos como distintas abordagens de adaptação afetam o desempenho dos modelos ao transferir conhecimento do conjunto de dados CheXpert – grande conjunto de dados público, rotulado, com 224.316 radiografias de tórax coletadas do Stanford Hospital nos Estados Unidos – para o BRAX – base brasileira rotulada, com 40.967 imagens oriundas do Hospital Israelita Albert Einstein em São Paulo. As arquiteturas DenseNet-121, ResNet-101 e Swin Transformer são utilizadas como ferramentas para avaliar a eficácia dessas estratégias. As técnicas de fine-tuning exploradas incluem congelamento completo das camadas, descongelamento gradual das camadas e regularização L1-SP/L2-SP. O desempenho dos modelos é avaliado utilizando a área sob a curva ROC (AUC), precision, recall e F1-score, com validação cruzada baseada em k-fold (k=5) garantindo a validade e generalização dos resultados. Adicionalmente, métricas específicas por patologia foram reportadas para identificar variações de desempenho entre as classes, e o teste de Wilcoxon pareado (não paramétrico) foi aplicado para avaliar a significância estatística das diferenças observadas entre os modelos. Entre os principais resultados, a ResNet-101 com regularização L1-SP apresentou o maior desempenho médio, alcançando uma AUC de 84,52%. Entretanto, embora esse valor seja superior ao melhor resultado previamente reportado na literatura para o conjunto BRAX (83,66%), a análise estatística indica sobreposição dos intervalos de confiança. Além disso, a estratégia de descongelamento gradual das camadas também apresentou ganhos consistentes em relação ao baseline (treino e teste no BRAX). Esses resultados destacam a importância de abordagens de fine-tuning personalizadas para otimizar modelos de aprendizado profundo em imagens médicas.

The integration of machine learning techniques in medicine has significantly enhanced medical diagnostics, making them more efficient, agile, and accurate. As medical datasets continue to evolve, adapting machine learning models to diverse clinical contexts – often characterized by domain shift and data scarcity – becomes increasingly crucial. In this context, transfer learning and fine-tuning strategies are key to optimizing model performance, enabling pre-trained models to be effectively adapted to new data. This study investigates the impact of various fine-tuning strategies on the multilabel classification of thoracic pathologies in chest X-ray images. Rather than focusing solely on comparing model architectures, we analyze how different adaptation strategies influence model performance when transferring knowledge from the CheXpert dataset – a large, publicly available dataset with 224,316 chest X-rays from Stanford Hospital – to the BRAX dataset, a smaller, labeled Brazilian dataset with 40,967 images from the Albert Einstein Hospital in São Paulo. We employ DenseNet-121, ResNet-101, and Swin Transformer architectures to assess the effectiveness of these fine-tuning strategies. The fine-tuning techniques explored include full layer freezing, gradual unfreezing of layers, and L1-SP/L2-SP regularization. Model performance is evaluated through the area under the ROC curve (AUC), precision, recall, and F1-score metrics, with 5-fold cross-validation ensuring the validity and generalizability of the results. Furthermore, per-pathology metrics were reported to identify performance variations across conditions, and the paired non-parametric Wilcoxon test was applied to assess the statistical significance of the observed differences between models. Among the main findings, ResNet-101 with L1-SP regularization achieved the highest mean performance, reaching an AUC of 84.52%. However, although this value is higher than the best result previously reported in the literature for the BRAX dataset (83.66%), the statistical analysis indicates overlapping confidence intervals. Additionally, the gradual unfreezing of layers showed consistent improvements over the baseline model (pre-trained only on ImageNet). These results underscore the importance of tailored fine-tuning strategies for optimizing deep learning models in medical imaging.