Perché più trasformazioni non sempre migliorano la segmentazione medica?

Negli ultimi anni il machine learning ha imparato a studiare le immagini senza bisogno di etichette, grazie al cosiddetto "contrastive learning". In pratica, il modello impara a distinguere due versioni della stessa foto da due versioni di foto diverse. Per rendere il compito più difficile – e quindi più utile – si usano le cosiddette "data augmentation": si ruota, si cambia il contrasto, si aggiunge rumore e così via.

Sembrerebbe che più trasformazioni significhino sempre risultati migliori, ma gli esperti hanno scoperto che per le immagini mediche non è così. Quando si segmentano organi o lesioni, alcune modifiche possono confondere il modello, facendo perdere dettagli cruciali. Gli autori hanno testato diverse combinazioni di trasformazioni, trovando che alcune più leggere – come piccoli spostamenti o variazioni di luminosità – migliorano davvero la precisione, mentre le versioni più aggressive peggiorano le prestazioni.

Il risultato è sorprendente: la chiave non è la quantità di trasformazioni, ma la loro pertinenza al compito. Questo apre la porta a nuove strategie di addestramento, dove le augmentazioni sono scelte su misura per il tipo di immagine e per l’obiettivo clinico. In futuro, algoritmi più intelligenti potrebbero decidere autonomamente quali trasformazioni applicare, rendendo la segmentazione automatica più affidabile e veloce per i medici.

Il contrastive learning si basa su una loss function chiamata "InfoNCE", che massimizza la similarità tra due viste positive (stessa immagine con augmentazioni diverse) e minimizza quella tra viste negative (immagini diverse). In ambito medico, le immagini presentano una variabilità intrinseca più bassa rispetto a quelle naturali: organi e tessuti hanno strutture ben definite e spesso sono acquisiti con protocolli standardizzati. Pertanto, augmentazioni troppo aggressive – ad esempio rotazioni di 90° o distorsioni geometriche estreme – possono introdurre artefatti non presenti nella realtà clinica, alterando la topologia delle strutture da segmentare.

Gli autori hanno confrontato una pipeline di augmentazioni classica (random crop, color jitter, Gaussian blur) con una selezione più conservativa (small random translation, slight contrast adjustment, mild Gaussian noise). I risultati mostrano che la pipeline conservativa aumenta l'IoU (Intersection over Union) di circa 3-5% rispetto alla versione aggressiva, soprattutto su dataset di risonanza magnetica cerebrale. Inoltre, hanno introdotto una strategia di "augmentation scheduling": all'inizio dell'addestramento si usano trasformazioni più forti per spingere il modello a esplorare lo spazio delle rappresentazioni, mentre nelle fasi successive si riducono le modifiche per affinare i dettagli.

Un altro aspetto cruciale è la scelta delle negative. In contesti medici, è utile includere come negative non solo immagini di altri pazienti, ma anche versioni leggermente modificate della stessa immagine, per insegnare al modello a distinguere tra variazioni fisiologiche e artefatti di acquisizione. Infine, l'uso di tecniche di "mixup" o "cutmix" – che combinano parti di immagini diverse – è stato valutato, ma ha mostrato benefici limitati, probabilmente perché mescolare tessuti di organi diversi crea pattern non realistici. Queste scoperte suggeriscono che la progettazione di augmentazioni per il contrastive learning in ambito medico richiede un bilanciamento delicato tra diversità e fedeltà anatomica.