Avaliação da Invasão Vascular no Adenocarcinoma Ductal Pancreático: o Benchmark PDACVI

Resumo

A ressecção cirúrgica continua sendo o único tratamento potencialmente curativo para o adenocarcinoma ductal pancreático (ADP), e a elegibilidade depende da avaliação precisa da invasão vascular (IV), ou seja, da extensão do tumor para os vasos críticos adjacentes. Apesar de sua importância para o estadiamento pré-operatório e o planejamento cirúrgico, a avaliação computacional da IV permanece pouco explorada. Dois grandes desafios são a falta de conjuntos de dados públicos e a ambiguidade diagnóstica na interface tumor-vaso, o que leva a uma variabilidade substancial entre avaliadores, mesmo entre radiologistas especialistas. Para superar essas limitações, apresentamos o CURVAS-PDACVI Dataset and Challenge, uma referência aberta para IA com consciência da incerteza no estadiamento do ADP, baseado num conjunto de dados densamente anotado com cinco anotações especialistas independentes por exame. Também propomos uma estrutura de avaliação de múltiplas métricas que vai além da sobreposição espacial para incluir a calibração probabilística e a avaliação da IV. A avaliação de seis métodos state-of-the-art mostra que uma forte sobreposição volumétrica global não se traduz necessariamente em desempenho confiável nas interfaces tumor-vaso clinicamente críticas. Especificamente, os métodos otimizados para segmentação binária apresentam desempenho competitivo nas métricas de sobreposição média, mas frequentemente se degradam em casos de alta complexidade com baixo consenso entre especialistas, colapsando em volume ou se estendendo excessivamente em fronteiras incertas. Em contraste, os métodos que modelam a discordância entre avaliadores produzem mapas probabilísticos melhor calibrados e mostram maior robustez nesses casos ambíguos. O referencial evidencia as limitações da precisão volumétrica como um substituto para a utilidade cirúrgica localizada, motivando o desenvolvimento de modelos probabilísticos com consciência da incerteza para a tomada de decisão pré-operatória.

English

Surgical resection remains the only potentially curative treatment for pancreatic ductal adenocarcinoma (PDAC), and eligibility depends on accurate assessment of vascular invasion (VI), i.e., tumor extension into adjacent critical vessels. Despite its importance for preoperative staging and surgical planning, computational VI assessment remains underexplored. Two major challenges are the lack of public datasets and the diagnostic ambiguity at the tumor-vessel interface, which leads to substantial inter-rater variability even among expert radiologists. To address these limitations, we introduce the CURVAS-PDACVI Dataset and Challenge, an open benchmark for uncertainty-aware AI in PDAC staging based on a densely annotated dataset with five independent expert annotations per scan. We also propose a multi-metric evaluation framework that extends beyond spatial overlap to include probabilistic calibration and VI assessment. Evaluation of six state-of-the-art methods shows that strong global volumetric overlap does not necessarily translate into reliable performance at clinically critical tumor-vessel interfaces. In particular, methods optimized for binary segmentation perform competitively on average overlap metrics, but often degrade in high-complexity cases with low expert consensus, either collapsing in volume or overextending at uncertain boundaries. In contrast, methods that model inter-rater disagreement produce better calibrated probabilistic maps and show greater robustness in these ambiguous cases. The benchmark highlights the limitations of volumetric accuracy as a proxy for localized surgical utility, motivating uncertainty-aware probabilistic models for preoperative decision-making.