Atributos radiômicos extraídos de segmentações automáticas por deep learning não são intercambiáveis com os obtidos a partir de contornos manuais: em TC e RM abdominais, três modelos públicos de segmentação produziram dezenas de atributos com concordância ruim ou razoável e com viés sistemático em relação à referência manual, e modelos preditivos treinados com esses atributos tiveram, em geral, desempenho e generalização piores. O resultado é de uma carta de pesquisa publicada em 14 de outubro de 2026 no American Journal of Roentgenology (AJR) por pesquisadores do Cincinnati Children’s Hospital Medical Center, nos Estados Unidos.
O que o estudo de Cincinnati comparou
O trabalho, liderado pelo físico e pesquisador Jonathan A. Dudley, PhD, do Imaging Research Center e do Departamento de Radiologia do Cincinnati Children’s, com coautoria de Zach Taylor, Hailong Li, Lisa Qiu, Jonathan R. Dillman e Andrew T. Trout, saiu como research letter no AJR (doi:10.2214/AJR.26.35746). A pergunta era direta: se a segmentação manual de órgãos inteiros for substituída por modelos de deep learning disponíveis publicamente, os atributos radiômicos e os modelos construídos sobre eles continuam equivalentes?
Os autores reaproveitaram dois conjuntos de dados de estudos anteriores. O conjunto A reuniu exames de TC abdominal axial com contraste de 139 crianças com pâncreas normal. O conjunto B incluiu sequências axiais de RM ponderadas em T2 de 64 crianças e adultos jovens, de 7 a 24 anos, com doença hepática autoimune. Em cada conjunto, a segmentação manual serviu de referência e foi comparada com três ferramentas abertas:
- Conjunto A (TC): MRSegmentator, a tarefa padrão de TC do TotalSegmentator e o modelo de TC do PaNSegNet;
- Conjunto B (RM): MRSegmentator, a tarefa total_mr do TotalSegmentator e o modelo MRI_BODY do NV-Segment-CTMR.
Para cada máscara, foram extraídos atributos radiômicos e medidas duas coisas: a concordância entre o valor obtido na máscara automática e na manual (classificada em faixas que vão de ruim a excelente) e a presença de viés, isto é, um desvio sistemático para cima ou para baixo. Em seguida, os pesquisadores treinaram modelos com os atributos de cada origem e compararam acurácia e generalização.
Números: concordância, viés e desempenho dos modelos
Segundo a reportagem do AuntMinnie sobre o artigo, os três modelos se comportaram de forma parecida dentro de cada conjunto. Na TC pediátrica (conjunto A), 30 atributos no MRSegmentator, 32 no TotalSegmentator e 30 no PaNSegNet tiveram concordância ruim ou razoável com a referência manual; 36, 47 e 20 atributos, respectivamente, mostraram viés. Na RM (conjunto B), o quadro foi mais acentuado: 81, 71 e 86 atributos com concordância ruim ou razoável para MRSegmentator, TotalSegmentator e NV-Segment-CTMR, e 88, 92 e 81 com viés.
Quando os atributos alimentaram modelos preditivos, a troca de segmentação teve custo. Em relação aos modelos baseados em contornos manuais, a acurácia caiu em média 0,05 com o MRSegmentator e 0,12 com o PaNSegNet; com o TotalSegmentator não houve diferença significativa (média de −0,01). A generalização piorou nos três casos, com diferenças médias de 0,15 (MRSegmentator), 0,10 (TotalSegmentator) e 0,17 (PaNSegNet). O material disponível não detalha a escala exata dessas métricas, por isso os valores devem ser lidos como diferenças relativas reportadas pelos autores.
A conclusão do grupo é que atributos de máscaras geradas por deep learning frequentemente têm concordância limitada e viés em relação aos manuais. Os autores recomendam que quem desenvolve modelos radiômicos descreva com clareza a metodologia de segmentação, e que quem valida ou compara modelos reconheça que diferenças de segmentação podem confundir os resultados.
Contexto técnico: por que a borda da máscara pesa tanto
Esta seção traz conhecimento geral da área, não resultados do estudo. A radiômica transforma uma região de interesse em centenas de números. Atributos de forma (volume, superfície, esfericidade) dependem diretamente do contorno. Atributos de primeira ordem (média, desvio-padrão, assimetria, entropia do histograma) mudam quando a máscara inclui alguns voxels de gordura, vaso ou parênquima vizinho. Já os atributos de textura, como os derivados da matriz de coocorrência de níveis de cinza (GLCM) e das matrizes de comprimento de corrida e de zonas, são especialmente sensíveis porque a borda concentra os maiores gradientes de intensidade da imagem.
Por isso, dois contornos com coeficiente de Dice alto podem gerar atributos de textura bem diferentes: o Dice mede sobreposição volumétrica, mas é pouco sensível a uma faixa fina de voxels na periferia, justamente onde mora boa parte da informação de textura. A Image Biomarker Standardisation Initiative (IBSI) padronizou definições e cálculos de atributos (Zwanenburg et al., Radiology 2020), o que reduz a variabilidade entre softwares, mas não resolve a variabilidade introduzida pela própria segmentação. Trabalhos recentes do blog, como o modelo que lê risco de câncer em TC considerada normal e o que prevê pneumonite por imunoterapia a partir da TC, dependem justamente dessa cadeia segmentação-atributo-modelo.
O que muda na prática para radiologia e radioterapia
Para grupos de pesquisa, a mensagem é de método: misturar máscaras manuais e automáticas no mesmo estudo, ou validar externamente um modelo radiômico com segmentações de outra origem, pode introduzir um deslocamento sistemático que se confunde com efeito biológico. Registrar a ferramenta, a versão e a tarefa de segmentação usadas passa a ser tão importante quanto registrar o protocolo de aquisição.
Em radioterapia, onde o contorno automático de órgãos de risco já faz parte da rotina de muitos serviços, o estudo reforça um ponto conhecido da física médica: métricas geométricas como Dice e distância de Hausdorff são necessárias, mas não bastam para julgar se um contorno serve a um uso posterior específico, seja um histograma dose-volume, seja um biomarcador de imagem. A avaliação deve considerar o uso final e manter nomenclatura consistente das estruturas, tema tratado no nosso guia sobre o TG-263. Vale notar que o estudo não avaliou contornos para planejamento nem dosimetria; a extrapolação para radioterapia é contextual.
No Brasil e na América Latina, onde coortes radiômicas costumam ser montadas com dados de múltiplos centros e ferramentas abertas, a recomendação de documentar e padronizar a segmentação é especialmente relevante, já que diferenças entre hospitais podem somar-se às diferenças entre métodos de contorno.
Limitações e próximos passos
Trata-se de uma carta de pesquisa, com amostras moderadas, populações pediátricas e de adultos jovens e dados retrospectivos de estudos anteriores. A segmentação manual foi tratada como referência, embora ela própria tenha variabilidade entre observadores. Os modelos testados são públicos e de uso geral, sem ajuste fino para os conjuntos avaliados, e os achados não dizem respeito a outras ferramentas, comerciais ou não. Também não estão disponíveis, no material consultado, o número total de atributos extraídos nem a definição exata das métricas de concordância e de desempenho. Como em outros modelos radiômicos recentes, validação externa e relato metodológico transparente seguem como pré-requisitos para uso clínico.
Fonte: AuntMinnie
