Visão Computacional Médica: além do olhar humano

CNNs, arquiteturas clássicas, transfer learning e validação em imagens médicas

Aprendizado de Máquina para Saúde — Pós-graduação

Abertura: o dilema de Hinton e o “coiote”

Se modelos já alcançaram desempenho comparável a especialistas em retina, pele e radiologia, por que hospitais ainda estão cheios de médicos olhando para telas?

Performance não é prática

Um benchmark não equivale a implantação segura.

Imagem não é decisão

Diagnóstico visual precisa de contexto clínico.

Substituição é simplificação

O trabalho muda: de percepção isolada para julgamento, comunicação e responsabilidade.

Mensagem central: a IA visual desloca tarefas perceptuais, mas não elimina a necessidade de interpretação clínica, validação local e decisão responsável.

Sugestão visual: provocação em três cartões: benchmark, fluxo real, responsabilidade clínica.

Que parte do trabalho do radiologista ou patologista é percepção — e que parte é raciocínio situado?

Topol, Nature Medicine, 2019; Esteva et al., Nature, 2017; Gulshan et al., JAMA, 2016.

Da tabela ao pixel: o que muda?

Mensagem central: imagens não são apenas muitas variáveis; são estruturas espaciais.

Achatar uma imagem em vetor destrói relações entre pixels vizinhos. Em medicina, anatomia, textura, bordas e simetria importam. CNNs foram desenhadas para preservar essa estrutura.

Exemplo aplicado: um nódulo pulmonar depende de forma, contraste e relação com vasos e pleura; não apenas da intensidade de pixels soltos.

Sugestão visual: imagem 2D virando vetor bagunçado versus imagem processada por filtros locais.

Que informação clínica desaparece quando tratamos imagem como uma lista plana de pixels?

CNN: a máquina de reconhecer padrões locais

Mensagem central: CNNs aprendem filtros que detectam padrões locais e compõem abstrações progressivamente.

Nas primeiras camadas, filtros costumam capturar bordas e texturas. Em camadas profundas, combinam padrões em estruturas mais complexas. O aprendizado vem dos dados, não de regras anatômicas explícitas.

Exemplo aplicado: em radiografia de tórax, filtros podem aprender opacidades, linhas, texturas e padrões associados a pneumonia — mas também podem aprender marcas de aparelho.

Sugestão visual: kernel varrendo imagem e produzindo mapa de características.

Como saber se o filtro aprendeu doença, anatomia normal ou um artefato institucional?

LeCun et al., Nature, 2015; Zech et al., PLOS Medicine, 2018.

Os blocos de uma CNN

Mensagem central: convolução, ativação e pooling transformam pixels em representações úteis para decisão.

Convolução extrai características. ReLU introduz não linearidade. Pooling resume regiões e amplia robustez a pequenas variações. Camadas finais traduzem a representação em classificação, risco ou máscara.

Exemplo aplicado: em retinopatia diabética, padrões de microaneurismas, hemorragias e exsudatos são combinados para predizer gravidade.

Sugestão visual: pipeline imagem → convolução → ReLU → pooling → saída.

O que uma CNN pode ver de forma consistente que um humano pode cansar de revisar?

Classificação, detecção ou segmentação?

Mensagem central: a pergunta clínica define o tipo de tarefa visual e o custo de anotação.

Classificação responde se há achado. Detecção localiza uma região. Segmentação desenha contornos pixel a pixel. Quanto mais granular a saída, mais cara tende a ser a anotação.

Exemplo aplicado: para triagem de fratura, classificação pode bastar; para planejar radioterapia, segmentar tumor e órgão de risco é essencial.

Sugestão visual: mesma imagem com etiqueta, caixa e máscara.

Seu problema precisa saber “se existe”, “onde está” ou “qual é o contorno”?

Arquiteturas clássicas: VGG, ResNet e U-Net

Mensagem central: arquiteturas são compromissos entre profundidade, estabilidade, custo computacional e tipo de saída.

VGG

Blocos simples e profundos. Histórico importante para classificação.

ResNet

Conexões residuais permitem redes muito profundas e mais estáveis.

U-Net

Encoder-decoder com atalhos espaciais; estrela da segmentação biomédica.

Exemplo aplicado: ResNet para “tem pneumonia?”; U-Net para desenhar pulmão, tumor, lesão ou órgão.

Sugestão visual: três cartões: classificação profunda, residual, segmentação.

Quando uma arquitetura mais simples seria mais defensável que uma rede maior?

Simonyan & Zisserman, 2015; He et al., CVPR, 2016; Ronneberger et al., MICCAI, 2015.

U-Net: a arquitetura que desenha

Mensagem central: U-Net comprime a imagem para capturar contexto e expande para recuperar localização.

O encoder aprende representações cada vez mais abstratas. O decoder reconstrói a resolução espacial. As conexões de atalho preservam detalhes anatômicos perdidos na compressão.

Exemplo aplicado: segmentar tumor em ressonância exige reconhecer o contexto cerebral e desenhar contorno preciso.

Sugestão visual: U em duas pernas, com setas de atalho entre encoder e decoder.

Quem paga o custo de desenhar máscaras de treinamento: radiologista, patologista, residente, equipe técnica?

Transfer learning: o truque da escassez

Mensagem central: transfer learning aproveita representações aprendidas em grandes bases para reduzir a necessidade de rótulos médicos.

Mesmo que ImageNet tenha cães e carros, camadas iniciais aprendem bordas e texturas úteis. O fine-tuning ajusta camadas finais para o domínio médico — com validação rigorosa.

Exemplo aplicado: uma ResNet pré-treinada pode ser ajustada para classificar raio-X de tórax quando há poucas imagens rotuladas localmente.

Sugestão visual: pré-treinamento em fotos gerais → ajuste fino em raio-X.

Que diferenças entre imagens naturais e médicas podem limitar o transfer learning?

Tajbakhsh et al., IEEE TMI, 2016; Raghu et al., NeurIPS, 2019.

Data augmentation: plausibilidade antes de quantidade

Mensagem central: augmentation só ajuda quando a transformação preserva o significado clínico.

Rotação, crop, alteração leve de brilho e ruído podem aumentar robustez. Mas espelhar, inverter contraste ou rotacionar demais pode criar imagens anatomicamente implausíveis ou alterar lateralidade.

Exemplo aplicado: em raio-X de mão, espelhar esquerda e direita pode ser aceitável para fratura geral, mas problemático se lateralidade ou assimetria anatômica importa.

Sugestão visual: original gerando variações, com selo “clinicamente plausível?”.

Que transformação você proibiria em uma base de imagem do seu domínio?

Exemplos aplicados: retina, pele, tórax e patologia

Mensagem central: os grandes sucessos em visão médica mostram potencial real, mas também revelam dependência de desenho, curadoria e validação.

Oftalmologia

Retinopatia diabética com desempenho comparável a especialistas em imagens de fundo de olho.

Dermatologia

Classificação de lesões cutâneas em imagens clínicas e dermatoscópicas.

Radiologia

Detecção de achados em raio-X/CT, com risco de aprender aparelho e hospital.

Patologia

Lâminas digitais para triagem, quantificação e priorização de casos.

Sugestão visual: quatro cartões com domínio, tarefa e risco principal.

Qual desses domínios parece mais próximo de implantação segura — e por quê?

Gulshan et al., JAMA, 2016; Esteva et al., Nature, 2017; Coudray et al., Nature Medicine, 2018; Campanella et al., Nature Medicine, 2019.

O risco de proveniência: data arrogance

Mensagem central: modelos de imagem podem aprender atalhos institucionais, não patologia.

A imagem carrega protocolo, fabricante, posição, compressão, marcador, prevalência e fluxo de cuidado. Se casos graves vêm de um hospital e controles de outro, o modelo pode aprender origem.

Exemplo aplicado: em pneumonia, modelos podem distinguir hospitais pela radiografia e ter queda de desempenho em validação externa.

Sugestão visual: imagem no centro conectada a hospital, aparelho, protocolo e população.

Que metadado ou artefato visual poderia denunciar o hospital de origem?

Zech et al., PLOS Medicine, 2018; DeGrave et al., Nature Machine Intelligence, 2021.

Atividade: intervenção na linha de produção

Cenário: o hospital tem apenas 500 imagens rotuladas de uma doença óssea rara. Vocês precisam propor uma estratégia tecnicamente viável e clinicamente segura.

1

Tarefa

Classificação, detecção ou segmentação?

2

Augmentation

Quais transformações são clinicamente plausíveis?

3

Arquitetura

ResNet pré-treinada ou U-Net do zero?

4

Validação

Como testar fora do hospital de origem?

10 min · proposta10 min · riscos10 min · defesa clínica

O que seria mais caro: rotular imagens inteiras ou desenhar contornos? O que a decisão clínica realmente precisa?

Checklist para visão computacional médica

Tarefa certa

classificar, detectar ou segmentar?

Rótulo confiável

quem anotou e com qual concordância?

Augmentation plausível

transformações preservam anatomia?

Separação correta

paciente, instituição e tempo separados?

Validação externa

outros aparelhos, hospitais e populações.

Fluxo real

quem age, quando e com qual responsabilidade?

Sugestão visual: checklist de pré-implantação.

Qual item desse checklist costuma ser subestimado em estudos de imagem?

Cinco ideias para levar

1 CNNs aprendem hierarquias visuais, não conhecimento médico explícito.

2 Classificação, detecção e segmentação respondem perguntas clínicas diferentes.

3 Transfer learning e augmentation ajudam com poucos rótulos, mas exigem plausibilidade.

4 U-Net é central para segmentação, mas máscaras são caras.

5 Validação externa é antídoto contra atalhos de proveniência.

Antes de perguntar “qual rede?”, pergunte: qual tarefa visual muda a decisão clínica — e que atalhos a imagem pode esconder?

Próximo encontro

Vimos como a IA interpreta imagens estáticas. Agora: como ela aprende sequências, sinais e tempo?

ECG

ondas, ritmo e eventos raros.

Sinais de UTI

ruído, amostragem e alarmes.

Vídeo

movimento e contexto temporal.

Transformers

atenção, sequência e multimodalidade.

← ÍNDICE DA DISCIPLINA

Referências e créditos

Deep learning, CNNs e arquiteturas

• LeCun, Y.; Bengio, Y.; Hinton, G. Deep learning. Nature (2015). DOI.
• Krizhevsky, A.; Sutskever, I.; Hinton, G. ImageNet classification with deep convolutional neural networks. NeurIPS (2012).
• Simonyan, K.; Zisserman, A. Very deep convolutional networks for large-scale image recognition. ICLR (2015). arXiv.
• He, K. et al. Deep residual learning for image recognition. CVPR (2016). DOI.
• Ronneberger, O.; Fischer, P.; Brox, T. U-Net: Convolutional networks for biomedical image segmentation. MICCAI (2015). DOI.
• Tajbakhsh, N. et al. Convolutional neural networks for medical image analysis: full training or fine tuning? IEEE Transactions on Medical Imaging (2016). DOI.

Aplicações e validação em saúde

• Gulshan, V. et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy. JAMA (2016). DOI.
• Esteva, A. et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature (2017). DOI.
• Coudray, N. et al. Classification and mutation prediction from non–small cell lung cancer histopathology images. Nature Medicine (2018). DOI.
• Campanella, G. et al. Clinical-grade computational pathology using weakly supervised deep learning on whole slide images. Nature Medicine (2019). DOI.
• Zech, J. R. et al. Variable generalization performance of a deep learning model to detect pneumonia in chest radiographs. PLOS Medicine (2018). DOI.
• DeGrave, A. J.; Janizek, J. D.; Lee, S.-I. AI for radiographic COVID-19 detection selects shortcuts over signal. Nature Machine Intelligence (2021). DOI.

Figuras

• Todas as figuras SVG foram criadas para esta aula como recursos gráficos autorais didáticos.