Benchmarking Foundation Models for Renal Lesion Stratification in CT

ملخص تقني: تقييم النماذج التأسيسية لتصنيف الآفات الكلوية في التصوير المقطعي المحوسب (CT)

بيان المشكلة
يعد تصنيف الآفات الكلوية عبر التصوير المقطعي المحوسب (CT) مهمة بالغة الأهمية سريرياً، ومع ذلك فهي تفتقر إلى البيانات. وبينما توصي الإرشادات باستخدام التصوير المقطعي المحوسب المعزز بالصبغة لتوصيف الكتل الكلوية، فإن التمييز غير الجراحي بين الأنواع النسيجية المحددة (على سبيل المثال، التمييز بين الورم الكلوي الورمي (oncocytoma) الحميد وسرطان الخلايا الكلوية الصبغي (chromophobe RCC) الخبيث، أو سرطان الخلايا الكلوية الحليمي (pRCC) من النوع الأول عن غيره من الكيانات) يظل أمراً صعباً. وقد أظهرت نهج التعلم العميق وعوداً، لكنها غالباً ما تعوقها ندرة انتشار أنواع فرعية معينة، مما يؤدي إلى مجموعات بيانات ذات أحجام عينات ضئيلة (مثل وجود 17 حالة فقط في التحقق المتقاطع). وتحد هذه الندرة من فعالية الشبكات العصبية التلافيفية (CNNs) القياسية التي يتم تدريبها من الصفر. ويمثل ظهور النماذج التأسيسية (Foundation Models) الطبية مفتوحة المصدر حلاً محتملاً من خلال الاستفيد من التدريب المسبق واسع النطاق لاستخراج تمثيلات ميزات قوية. ومع ذلك، لا يزال من غير الواضح ما إذا كانت هذه التمثيلات العامة المدربة مسبقاً يمكن أن تنتقل بفعالية إلى مهام تصنيف الآفات الكلوية المحددة والمقيدة بالبيانات دون ضبط دقيق (fine-tuning).

المنهجية
أجرى البحث تقييماً دقيقاً لثلاثة نماذج تأسيسية طبية مفتوحة المصدر مقابل خطوط أساس مستقرة باستخدام بروتوكول سبر الميزات المجمدة (frozen feature-probing).

• مجموعات البيانات: تضمنت مجموعة التدريب 2,854 آفة من 1,279 مشاركاً، تم تجميعها من مجموعة داخلية (2007–2022) ومجموعة بيانات KiTS23. وتم الحصول على مجموعة اختبار خارجية مكونة من 234 آفة من 140 فحصاً مقطعياً من أرشيف أورام السرطان (TCIA). صُنفت الآفات إلى ست فئات: الأكياس (cysts)، وسرطان الخلايا الكلوية الصافية (ccRCC)، وسرطان الخلايا الكلوية الحليمي (pRCC)، وسرطان الخلايا الكلوية الصبغي (chrRCC)، والورم الكلوي الورمي (RO)، وفئة "أخرى".
• اختيار النماذج: تم تقييم ثلاثة نماذج تأسيسية: FMCIB (النموذج التأسيسي للمؤشرات الحيوية لتصوير السرطان)، وCT-FM (نماذج الرؤية التأسيسية للتصوير المقطعي المحوسب)، وMMM (النمذجة الطبية متعددة المهام).
• استراتيجيات التجريب:
  1. الاستراتيجية (أ) (التعلم من البداية إلى النهاية): تم تدريب نموذج 3D ResNet-50 من الصفر ومقارنته بنموذج FMCIB الذي تم ضبطه بدقة باستخدام توصيات معمارية محددة (رأس تصنيف أكبر، ومعدلات تعلم منقسمة).
  2. الاستراتيجية (ب) (سبر الميزات المجمدة): وهي طريقة التقييم الأساسية. تم استخراج التضمينات (embeddings) من النماذج التأسيسية الثلاثة ومن مسار الراديوميكس (radiomics) المصمم يدوياً باستخدام مشفرات مجمدة. تم تغذية هذه الميزات في مصنفات XGBoost.
• المعالجة المسبقة: تم قص الصور إلى صناديق إحاطة الآفات مع هامش 1 سم، وإعادة تحجيمها إلى أبعاد خاصة بكل نموذج (على سبيل المثال، 50×50×50 فوكسل لـ FMCIB)، واستخدام تقنيات تعزيز البيانات. كما تم استخراج ميزات الراديوميكس باستخدام PyRadiomics (107 ميزة) من أحجام أعيدت عيناتُها وتمت معالجتها بنوافذ زمنية.
• التقييم: تم قياس الأداء باستخدام متوسط المساحة تحت منحنى خصائص تشغيل المستقبِل (AUC) والضبط الدقيق المتوسط (AP). استخدم التحقق الداخلي طريقة التحقق المتقاطع ذي الـ 10 طيات، بينما استخدم التحقق الخارجي مجموعة TCIA المحجوزة مع استخدام طريقة "بوتستراب" غير المعلمية لإنشاء فترات الثقة.

النتائج الرئيسية
أسفرت الدراسة عن نتيجتين رئيسيتين فيما يتعلق بالأداء المقارن للنماذج التأسيسية، والتعلم العميق من الصفر، والراديوميكس:

1. تفوق الراديوميكس: تفوق خط الأساس للراديوميكس المصمم يدوياً بشكل كبير على جميع نهج التعلم العميق. في مجموعة الاختبار الخارجية، حقق الراديوميكس AUC قدره 0.88 (AP 0.64). وكان متفوقاً إحصائياً على أفضل نموذج تأسيسي أداءً (MMM، بـ AUC قدره 0.77) بفرق متوسط قدره 0.11 (فاصل ثقة 95% [0.03, 0.18]، p=0.002).
2. النموذج التأسيسي مقابل ResNet من الصفر: كان أداء تضمينات النماذج التأسيسية المجمدة (نطاق AUC يتراوح بين 0.69–0.77) مقارباً لأداء 3D ResNet-50 المدرب من الصفر (AUC 0.72). لم توجد فروق ذات دلالة إحصائية بين النماذج التأسيسية وخط الأساس ResNet. علاوة على ذلك، لم يؤدِ الضبط الدقيق لنموذج FMCIB إلى تحسينات على تدريب ResNet من الصفر (AUC 0.68 مقابل 0.64) وفشل في مضاهاة نهج السبر المجمد (AUC 0.71).
3. الكفاءة الحسابية: بينما تطلب نموذج ResNet الأساسي 16 ساعة من تدريب وحدة معالجة الرسومات (GPU)، تطلب مسار سبر النموذج التأسيسي (تحديداً MMM) 2.5 ساعة فقط لاستخراج الميزات على وحدة المعالجة المركزية (CPU)، مع استغرق تدريب المصنف اللاحق ثوانٍ معدودة. وهذا يوضح انخفاضاً هائلاً في الطلب على الأجهزة عند استخدام النماذج التأسيسية.
4. تحليل الميزات: أشارت تصورات UMAP إلى أنه بينما شكلت الأكياس وccRCC مجموعات متميزة عبر جميع التضمينات، أظهرت الأنواع الفرعية الأخرى (pRCC، chrRCC، RO) تداخلاً كبيراً. وكشف تحليل أهمية ميزات الراديوميكس أن ميزات النسيج (texture) ساهمت بأكبر قدر (65%) في قرار المصنف، تليها إحصائيات الكثافة والشكل.

الأهمية والادعاءات
تخلص الورقة إلى أنه بينما توفر النماذج التأسيسية الطبية بديلاً فعالاً من حيث الكفاءة الحسابية لتدريب الشبكات العميقة من الصفر في البيئات التي تفتقر إلى البيانات، إلا أنها لا تتفوق بعد على خطوط أساس الراديوميكس الراسخة لتصنيف الآفات الكلوية.

ويجادل المؤلفون بأن تضمينات النماذج التأسيسية العامة الحالية تفشل في التقاط التباين الدقيق في النسيج والشكل المطلوب للتمييز بين الأنواع النسيجية الفرعية المحددة، والتي تعد المحركات الرئيسية لصعوبة التصنيف في هذا المجال. وتسلط الدراسة الضوء على أن قابلية التفسير والهندسة الصريحة لميزات الراديوميكس توفر حالياً إشارة أكثر تمييزاً من التمثيلات الكامنة للنماذج التأسيسية العامة.

علاوة على ذلك، تؤكد الورقة على غياب الإجماع حول الاستخدام الأمثل للنماذج التأسيسية الطبية في المراحل اللاحلة (مثل حجم الرقعة، إعادة أخذ العينات، تجميع الميزات)، مما يشير إلى أن الاختبارات المرجعية الحالية تعكس التباين في التنفيذ بقدر ما تعكس القدرة المعمارية. ويؤكد المؤلفون أنه حتى يتم معالجة فجوات التحسين ووضع بروتوكولات تقييم معيارية، يظل الراديوميكس هو الحالة الأحدث في مجال التصنيف المعتمد على النسيج لمهام تصنيف الآفات الكلوية. ولا تدعي الدراسة أن النماذج التأسيسية قد أصبحت عتيقة، بل إن تمثيلاتهم العامة الحالية غير كافية لهذه المهمة التشخيصية الدقيقة وعالية المخاطر دون تكيف متخصص في المجال.