Exames de ultrassom gerados por computador ensinam IA a mapear as camadas da pele humana

Por que a anotação do ultrassom da pele é tão difícil

O ultrassom da pele se assemelha menos a um mapa nítido do que a uma janela embaçada. A imagem exibe pontos brilhantes, faixas escuras e gradientes cinzentos suaves que variam de um exame para outro. Como cada camada da pele reflete o som de maneira distinta, as fronteiras costumam ser tênues. O ruído de speckle preenche a cena com uma textura granulada, enquanto a atenuação escurece as estruturas mais profundas. Um transdutor pressionado em um paciente pode gerar um padrão de brilho diferente do obtido em outro indivíduo. Esses efeitos dificultam definir onde termina a epiderme e começa a derme. Um especialista consegue traçar uma linha, mas essa demarcação é parcialmente fruto de julgamento subjetivo. Outro profissional pode desenhar a mesma fronteira um pixel acima ou abaixo. Para o aprendizado de máquina, esse tipo de incerteza torna-se um problema sério de dados. Coleções públicas de ultrassom da pele costumam rotular apenas a epiderme e uma faixa fina logo abaixo dela. Essa região é chamada de banda subepidérmica de baixa ecogenicidade, ou SLEB. Regiões mais profundas, como derme, gordura, fáscia e músculo, raramente são marcadas pixel por pixel. Sem esses rótulos, um modelo não consegue aprender a pilha completa das camadas da pele apenas com exames reais. A escassez decorre do trabalho minucioso exigido: os especialistas precisam inspecionar muitas imagens e decidir onde cada camada se transforma. Cada fronteira pode ser nítida em um exame e borrada no seguinte. Uma faixa escura pode parecer uma borda de camada, mas também pode resultar da dispersão do som. Bolsas de gordura e fibras musculares adicionam texturas que mudam conforme o ângulo, a pressão e a anatomia do paciente. Um rótulo carrega, portanto, uma decisão sobre o que o equipamento consegue resolver. Pequenas variações nessa decisão importam quando se mede espessura ou acompanha mudanças de doença ao longo do tempo. É por isso que a anotação densa continua rara no ultrassom da pele. Modelos treinados com rótulos escassos podem aprender bem as camadas superiores, mas perder a estrutura mais profunda. Eles também podem herdar a ambiguidade, desenhando bordas que parecem plausíveis, mas diferem do julgamento dos especialistas. O resultado é um dilema: melhores rótulos exigem trabalho humano cuidadoso, enquanto modelos melhores poderiam ajudar nesse processo. Até existirem mais exames rotulados, o campo precisa encontrar formas de ensinar máquinas a partir de exemplos reais limitados.

Construção de uma pele virtual com base na física do som

A ultrassonografia de alta frequência funciona enviando pulsos curtos de som para dentro da pele e registrando os ecos que retornam de cada camada. Para criar uma versão virtual desse processo, o fluxo de trabalho modelou a pele como uma pilha de oito materiais acústicos: ar, meio de acoplamento, epiderme, banda hipoecoica subepidérmica, derme, tecido subcutâneo, fáscia e músculo.

Cada material recebeu sua própria velocidade do som, densidade e nível de espalhamento, para que as ondas desacelerassem, refletissem ou se atenuassem de formas diferentes ao atravessarem a pilha. A velocidade do som definia a rapidez com que os pulsos de pressão se moviam por uma camada, enquanto a densidade descrevia a quantidade de massa em cada unidade de volume. O espalhamento controlava o brilho granulado que dá à ultrassonografia sua aparência salpicada. A epiderme foi configurada mais rápida e densa do que as camadas vizinhas, com velocidade do som de 1628 metros por segundo e densidade de 1125 quilogramas por metro cúbico. A banda hipoecoica subepidérmica (SLEB) foi inserida como uma faixa de baixo espalhamento na parte superior da pele, de modo que aparecesse mais escura do que o tecido ao redor.

Quando esses mapas ficaram prontos, um simulador de ondas chamado k-Wave propagou os pulsos pelo fantasma em camadas. A saída não era uma imagem desenhada à mão, mas uma imagem formada pela mesma física que molda as ultrassonografias reais. Como cada pixel começava dentro de uma camada conhecida, a máscara correspondente estava disponível sem rotulagem manual. Cada exame sintético foi armazenado com seu mapa de densidade, mapa de velocidade do som, máscara bruta de classes, sobreposição visual e notas de geração. Isso tornou o processo rastreável, pois um modelo podia ser treinado na anatomia completa de oito classes ou mapeado para uma tarefa menor.

O gerador então variou três coisas para evitar produzir uma única pele fixa. A espessura das camadas mudava de amostra para amostra, as formas das fronteiras ficavam menos planas e a textura do tecido era alterada na derme, gordura, fáscia e músculo. Após a simulação, o aumento que preserva os rótulos rotacionou ou ajustou as imagens mantendo as máscaras alinhadas. A configuração principal usou uma simulação de 20 MHz com 96 linhas de varredura e exportou imagens de 2067 por 1555 pixels. Esse campo cobria uma profundidade axial de 7,0 milímetros, próximo à região superficial da pele que as sondas de alta frequência examinam. A renderização do canal verde foi usada como entrada de imagem porque os exames reais públicos são exibidos nesse formato.

Testando exames sintéticos em imagens reais da pele

Depois de gerar os exames simulados, a equipe realizou uma verificação prática: seria possível um modelo aprender contornos úteis da pele a partir dessas imagens sintéticas e, em seguida, apresentar melhor desempenho em ultrassons reais? Para isso, testaram quatro modelos de segmentação treináveis por duas rotas. Na primeira, cada modelo foi treinado exclusivamente com imagens reais. Na segunda, o sistema primeiro aprendeu com os exames sintéticos e depois se ajustou aos dados clínicos. O conjunto de teste real provém de uma coleção pública de ultrassonografias de alta frequência, que inclui marcações de especialistas para a epiderme e a banda subepidérmica de baixa ecogenicidade (SLEB). Como as camadas mais profundas não possuem rótulos reais, a comparação restringiu-se a esses dois alvos superficiais.

Os modelos processaram recortes de imagem de 64 por 128 pixels e foram avaliados pelas métricas Dice e IoU. Esses indicadores comparam o contorno previsto pela rede com a marcação do especialista. Quanto maior a pontuação, maior a concordância entre os dois. O melhor resultado veio do Fresh SegUNet após o pré-treino sintético e o ajuste fino em dados reais. A arquitetura alcançou uma pontuação média de Dice de 83,40% e uma média de IoU de 71,79%. Quando treinado apenas com imagens reais, o mesmo modelo obteve 82,64% no Dice e 70,71% no IoU. O U-Net também apresentou melhora, passando de uma média de Dice de 82,13 para 83,09 e de 70,04 para 71,35 no IoU. O SegFormer mostrou um ganho menor, com a média de Dice subindo de 82,51 para 82,66 e a média de IoU de 70,28 para 70,54. O DeepLabV3+ foi a exceção: recuou ligeiramente, caindo de 80,28 para 80,02 no Dice e de 67,14 para 66,80 no IoU.

Um modelo SegUNet já publicado, utilizado como ponto de referência, obteve pontuações inferiores: 78,82% no Dice e 65,05% no IoU. Esse contexto é relevante porque os ganhos foram modestos, não um salto para uma segmentação perfeita. Os exames sintéticos ainda não reproduzem todos os padrões visuais das imagens de scanners reais. Diferenças no padrão de speckle, na perda de sinal com a profundidade, na nitidez das bordas e em artefatos de reflexão brilhante podem confundir levemente o modelo. Essa lacuna explica por que uma arquitetura melhorou enquanto outra recuou.

O significado mais amplo é que as imagens simuladas continham estrutura utilizável, não apenas uma aparência plausível. Um modelo consegue absorver a geometria das camadas e a textura grosseira dos exames sintéticos para depois refinar esses padrões na pele real. O teste não provou que o simulador resolveu a segmentação de ultrassom real. Ele demonstrou um ponto de partida útil, no qual o pré-treino sintético ajudou três dos quatro modelos sem prejudicar nenhum de forma significativa.

Um primeiro passo para a ultrassonografia da pele rotulada

O resultado central é que a ultrassonografia de alta frequência simulada consegue ensinar a um modelo de segmentação algo útil sobre a pele real, mesmo sem imagens obtidas de pacientes. O simulador constrói fantasmas acústicos em camadas, propaga o som por eles e gera exames pareados com rótulos exatos de pixels para cada camada da pele. Quando um modelo aprendeu primeiro com imagens sintéticas e depois se ajustou a exames reais, manteve-se competitivo frente ao treinamento apenas com dados reais e melhorou as pontuações médias de sobreposição em três das quatro arquiteturas.

A melhor execução alcançou uma média de 83,40% no índice Dice e 71,79% no índice IoU para a epiderme e a faixa escura logo abaixo dela. Esses números mostram que o modelo concordou com os contornos dos especialistas com precisão suficiente para servir como ponto de partida útil, não como ferramenta clínica finalizada. A promessa mais ampla é que a física possa fornecer rótulos onde a anotação humana termina. Conjuntos de dados reais de ultrassom da pele costumam marcar apenas as camadas superiores, enquanto estruturas mais profundas permanecem sem rótulo porque traçá-las é lento e ambíguo.

Um simulador pode variar espessura, forma das fronteiras e textura dos tecidos de maneira controlada, permitindo que os modelos aprendam a anatomia antes de se depararem com imagens clínicas ruidosas. Essa rota poderia apoiar ferramentas de dermatologia para medir a espessura das camadas, rastrear mudanças em doenças ou preparar procedimentos guiados por imagem. O obstáculo é que os exames sintéticos ainda não imitam totalmente a física do scanner. Padrões de speckle, atenuação, nitidez das bordas e reflexos brilhantes perto das fronteiras dos tecidos podem diferir das aquisições reais, de modo que os ganhos permanecem modestos e irregulares entre as arquiteturas.

Cada exame simulado também custa mais computação do que amostrar um gerador de imagens treinado, e criar mais imagens com o mesmo simulador pode repetir seu viés de aparência. O próximo desafio é fechar essa lacuna visual mantendo os rótulos exatos. Se o ultrassom sintético se tornar suficientemente realista e barato, quantos problemas de imagem clínica podem ser resolvidos ensinando máquinas sobre física antes que elas vejam um paciente?