Re-thinking Mammography Transfer Learning: The Dataset-Informed Transfer Learning (DITL) Framework for Breast Cancer Screening and Lesion Diagnosis

Stellen Sie sich vor, Sie versuchen, einem Roboter beizubringen, eine bestimmte Vogelart im Wald zu entdecken. Sie besitzen eine riesige Bibliothek mit Vogelbildern, aber der Roboter ist verwirrt. Er verwechselt immer wieder einen Sperling mit einem Finken, weil sie sich sehr ähnlich sehen, oder er wird von der schieren Anzahl der Fotos überwältigt. Dies ist die Welt des Deep Learning, eines Zweigs der künstlichen Intelligenz, bei dem Computer lernen, indem sie sich tausende Beispiele ansehen. Normalerweise nutzen wir Transfer Learning, um einem Computer einen neuen Trick beizubringen. Denken Sie dabei an das Einstellen eines Küchenchefs, der bereits weiß, wie man französische Küche zubereitet, und man bittet ihn nun, zu lernen, wie man Sushi macht. Er weiß bereits, wie man mit Messern und Hitze umgeht, er muss nur noch den spezifischen Fisch und den Reis lernen.

Doch in der medizinischen Welt wird es kompliziert. Ärzte benötigen Computer, die Mammographien (spezielle Röntgenaufnahmen der Brust) untersuchen, um Krebs frühzeitig zu erkennen. Aber das Brustgewebe sieht bei jedem Menschen anders aus, und einige Arten von Gewebe sind viel schwerer zu durchschauen als andere. Es ist, als versuche man, eine weiße Katze in einem Haufen Schnee zu finden gegenüber einer schwarzen Katze in einem Haufen Kohle. Der „Schnee“ ist das dichte Brustgewebe, das Tumore verbirgt und die Aufgabe sowohl für Ärzte als auch für Computer wesentlich schwieriger macht. Die große Frage lautet: Wie bringen wir einem Computer bei, ein besserer Detektiv zu sein, wenn die Hinweise verborgen sind, die Fälle selten sind und der „Schnee“ sich ständig verändert?

Die neue Landkarte des Detektivs: Einführung von DITL

In dieser Arbeit schlagen Forscher aus Deutschland eine kluge neue Methode vor, um diese Computer-Detektive zu unterrichten. Sie nennen ihre Methode DITL, was für Dataset-Informed Transfer Learning steht. Anstatt dem Computer einfach einen Stapel Fotos in die Hand zu drücken und zu sagen: „Lerne das!“, gibt DITL dem Computer vor dem eigentlichen Studium eine personalisierte Landkarte des Geländes.

Hier ist das Problem, das sie lösen: Standardmäßige Lehrmethoden behandeln jedes Foto oft gleich. Sie sagen vielleicht: „Dieses Foto ist einfach, ignoriere es,“ oder „Dieses Foto ist schwer, schau es dir an!“ Aber sie raten meistens nur darauf basierend, wie sicher sich der Computer gerade jetzt fühlt, welches Foto was ist. Die Autoren argumentieren, dass dies so ist, als würde ein Schüler raten, welche Matheaufgaben schwierig sind, nur weil er die Antwort einmal falsch gegeben hat, anstatt sich die Aufgabe selbst anzusehen.

Der „Schnee“ und die „schwierigen Fälle“
Die Forscher erkannten, dass einige Mammographien von Natur aus „schwieriger“ zu klassifizieren sind als andere. Ein Foto einer sehr dichten Brust mit einem winzigen, subtilen Fleck ist ein „schwieriger Fall“. Ein Foto einer fettreichen Brust mit einem deutlichen Knoten ist ein „einfacher Fall“. In der Vergangenheit hatten Computer Schwierigkeiten, weil sie nicht wussten, welche Fälle welche waren, bis sie bereits einen Fehler gemacht hatten.

Der Drei-Schritte-Zaubertrick
DITL funktioniert in drei unterhaltsamen Schritten, um dies zu beheben:

1. Das Aufwärmen (Self-Supervised Learning): Zuerst betrachtet der Computer alle Mammographien, ohne dass ihm gesagt wird, was sie darstellen. Es ist, als ließe man den Roboter durch den Wald wandern, ohne einen Führer, wobei er einfach nur bemerkt, dass manche Bäume sich ähnlich sehen und andere unterschiedlich sind. Er baut eine mentale Karte des „Waldes“ basierend auf Mustern auf, nicht auf Etiketten.
2. Die Nachbarschaftswache (Die Nachbarn finden): Als Nächstes betrachtet der Computer seine neue Karte und fragt: „Wer sind meine Nachbarn?“ Für jedes einzelne Foto findet er die k am nächsten liegenden Fotos, die ihm ähnlich sehen.
   • Wenn ein Foto von Nachbarn umgeben ist, die alle das gleiche Label haben (z. B. „Krebs“), ist es ein einfaches Foto.
   • Wenn ein Foto von Nachbarn mit gemischten Labels umgeben ist (einige „Krebs“, einige „Kein Krebs“), ist es ein schwieriges Foto. Es steht genau an der Grenze zwischen zwei Welten.
   • Die Forscher nutzen eine einfache mathematische Regel, um zu entscheiden, wie viele Nachbarn überprüft werden sollen: die Quadratwurzel der Gesamtzahl der Fotos. Dies ist ein optimaler Mittelweg, der sowohl für kleine Gruppen als auch für riesige Mengen funktioniert.
3. Die intelligente Lektion (Die neuen Loss-Funktionen): Schließlich beginnt das eigentliche Training des Computers, aber nun besitzt er zwei Superkräfte:
   • Kraft 1: Die Schwierigkeitsgewichtung (A-DWCE). Der Computer weiß, welche Fotos „schwierig“ und welche „einfach“ sind. Er schenkt den schwierigen Fotos besondere Aufmerksamkeit, genau wie ein Schüler, der mehr Zeit mit den kniffligen Matheaufgaben verbringt. Im Gegensatz zu anderen Methoden, die einen Menschen benötigen, der an Reglern dreht und Einstellungen vornimmt, um zu entscheiden, wie viel Aufmerksamkeit man schenken soll, findet diese Methode dies automatisch basierend auf der Nachbarschaft heraus.
   • Kraft 2: Der Nachbarschafts-Trip (A-NR-Triplet). Dem Computer wird beigebracht, „schwierige“ Nachbarn näher zusammenzuziehen und „unterschiedliche“ Nachbarn weiter voneinander zu entfernen. Stellen Sie sich eine Tanzfläche vor, auf der der Computer lernt, Menschen zu gruppieren, die sich ähnlich sehen, und diejenigen zu trennen, die es nicht tun. Das Coole daran? Der „Abstand“, den sie einhalten müssen, ist keine feste Regel; der Computer lernt den perfekten Abstand, während er tanzt.

Warum das eine große Sache ist
Die Autoren testeten diese neue Methode an vier verschiedenen Datensätzen von Mammographien, die von winzigen Sammlungen spezifischer Tumorspots bis hin zu einem massiven Datensatz von über 13.000 ganzen Brustbildern reichten.

Sie fanden heraus, dass DITL eine statistisch signifikante Verbesserung gegenüber den alten Methoden darstellte. Im großen Datensatz (VinDR-Mammo) erzielte DITL bessere Werte beim Erkennen der Brustdichte und des Risikoniveaus (BI-RADS) als die Standardmethoden. Es war nicht nur ein wenig besser; die Verbesserung war so konsistent, dass die Chance, dass es ein Zufall war, bei weniger als 1 zu 10.000 lag (p < 0,0001).

Auch für die kleineren Datensätze (wie CESM und CBIS-DDSM) gewann DITL, indem es die Genauigkeit und die F1-Scores (ein Maß dafür, wie gut seltene, wichtige Fälle gefunden werden) um kleine, aber bedeutsame Beträge verbesserte. Beispielsweise steigerte es den F1-Score auf dem CESM-Datensatz im Vergleich zum Baseline-Modell um etwa 3,6 %.

Wogegen sie „Nein“ sagten
Das Paper ist sehr deutlich darüber, was nicht so gut funktioniert. Sie argumentieren explizit gegen die Verwendung von Focal Loss, eine populäre Methode, die versucht, sich auf schwierige Beispiele zu konzentrieren, indem sie auf der aktuellen Konfidenz des Computers basiert. Sie fanden heraus, dass Focal Loss viel menschlicher Feinabstimmung benötigt (das Raten der richtigen „Gamma“-Zahl) und die einzigartige Struktur des Datensatzes nicht so gut versteht wie DITL. DITL benötigt dieses ganze Gefummel nicht; es erkennt die Schwierigkeit von selbst.

Das Fazit
Die Forscher haben nicht nur vorgeschlagen, dass dies funktionieren könnte; sie haben es gemessen. Sie haben gezeigt, dass der Computer ein viel besserer Detektiv wird, wenn man ihm erlaubt, die „Nachbarschaft“ jedes Bildes zu verstehen, bevor er mit dem Lernen beginnt. Er bewältigt den „schneereichen“ dichten Brustgewebe besser, entdeckt die seltenen Hochrisikofälle häufiger und tut dies alles, ohne dass ein Mensch ständig die Einstellungen anpassen muss.

Letztendlich ist DITL wie eine Brille, die der Computer bekommt, die ihm hilft, die Schwierigkeit jedes einzelnen Falls zu sehen, noch bevor er versucht, ihn zu lösen. Dies macht den gesamten Prozess des Brustkrebs-Screenings zuverlässiger, insbesondere für die Patientinnen, die am schwersten zu diagnostizieren sind. Und das Beste daran? Es verlangsamt den Computer nicht. Die „Landkarte“ wird einmal erstellt, und dann lernt der Computer schnell und mühelos.