IDF-Net: Red de Fusión Dinámica Interpretable para el Diagnóstico de Cáncer Colorrectal Mediante Imágenes...

Área de la Ciencia:

• Inteligencia Artificial en Medicina
• Oncología
• Análisis de Imágenes Médicas

Sus antecedentes:

• El cáncer colorrectal (CRC) sigue siendo una importante preocupación de salud mundial, lo que requiere herramientas de diagnóstico avanzadas.
• Los modelos de diagnóstico de IA actuales a menudo carecen de interpretabilidad, lo que dificulta la integración clínica.
• Existe una necesidad crítica de soluciones de diagnóstico de CRC tempranas, precisas y clínicamente comprensibles.

Objetivo del estudio:

• Desarrollar un marco de fusión dinámica interpretable (IDF-Net) para el diagnóstico multimodal de CRC.
• Integrar datos de endoscopia, tomografía computarizada (TC) e histopatología para mejorar la precisión diagnóstica.
• Mejorar la interpretabilidad clínica de los modelos de IA en el diagnóstico del cáncer.

Principales métodos:

• Se propuso IDF-Net, un marco que utiliza codificadores específicos de modalidad, compuertas adaptativas y atención intermodal.
• Se realizó una validación cruzada estratificada de 5 pliegues para una evaluación sólida del rendimiento.
• Se emplearon mapas de calor espaciales y explicaciones aditivas de Shapley (SHAP) para el análisis de interpretabilidad.

Principales resultados:

• IDF-Net logró una precisión de vanguardia (0,920) y un AUC (0,991), superando a los modelos de referencia.
• El análisis de interpretabilidad mostró una fuerte alineación entre las predicciones del modelo y las anotaciones de expertos.
• Los estudios de ablación confirmaron la eficacia de los componentes de enrutamiento dinámico y fusión de atención cruzada.

Conclusiones:

• IDF-Net ofrece un enfoque multimodal novedoso, interpretable y dinámicamente fusionado para el diagnóstico de CRC.
• El marco demuestra una precisión superior y un potencial significativo para la traslación clínica.
• El diseño adaptativo de IDF-Net garantiza la robustez, incluso con datos de TC faltantes, lo que respalda flujos de trabajo clínicos flexibles.