Cluster-First Labelling: An Automated Pipeline for Segmentation and Morphological Clustering in Histology Whole Slide Images

Este artículo presenta una pipeline automatizada en la nube que reduce drásticamente el esfuerzo de anotación en imágenes de histología de diapositivas completas mediante un paradigma de agrupación primero, donde un experto etiqueta grupos morfológicos en lugar de objetos individuales, logrando una precisión de alineación del 96,8% con etiquetas humanas.

Lo esencial

Imagina que tienes que organizar una biblioteca inmensa y caótica donde hay decenas de miles de libros (las células) tirados en el suelo, todos mezclados. Algunos son novelas, otros son diccionarios, algunos están rotos y otros son solo páginas sueltas.

El trabajo tradicional de un bibliotecario (el patólogo humano) sería agacharse, recoger cada libro uno por uno, leer su título, decidir qué tipo es y ponerle una etiqueta. En una sola diapositiva de tejido biológico, esto podría tomar días y cansar a cualquiera hasta la extenuación.

Este paper presenta una solución inteligente y automatizada que cambia las reglas del juego. En lugar de etiquetar libro por libro, proponen un sistema que agrupa primero y etiqueta después.

Aquí tienes cómo funciona, explicado con analogías sencillas:

1. El Sistema: Un "Cinturón Transportador" Inteligente

Imagina una fábrica de clasificación de correo automatizada.

• Cortar el problema en trozos (Tiling): La imagen gigante del tejido (que es enorme, como un mapa de ciudad) se corta en pequeños recortes de 512x512 píxeles, como si fueran postales.
• Filtrar la basura (Quality Filtering): Antes de hacer nada, el sistema tira las postales que están en blanco, borrosas o que solo muestran el fondo. Solo se quedan las que tienen "algo interesante".
• Detectar objetos (Segmentación): Aquí entra un robot muy hábil llamado Cellpose-SAM. Su trabajo es encontrar todo lo que parece una "célula" o una estructura biológica.
  • La analogía: Imagina que el robot es un niño con una caja de rotuladores. Pasa por la postal y dibuja un círculo alrededor de todo lo que parece una célula, un núcleo o un grupo de células apretadas. No le importa si es un libro o una revista; solo dibuja el contorno de lo que ve.

2. El Truco Maestro: "La Fiesta de los Parecidos" (Clustering)

Aquí está la magia. En lugar de preguntar "¿Qué es este objeto?", el sistema pregunta: "¿A quién se parece este objeto?".

• La Foto de Identidad (Embeddings): El sistema toma una "foto mental" de cada objeto dibujado y la convierte en un código matemático (una huella digital).
• La Danza de la Agrupación (Clustering): Imagina que todos esos objetos son invitados a una fiesta. El sistema les pide que bailen.
  • Los que se mueven igual (tienen la misma forma y textura) se juntan en el mismo grupo.
  • Los que bailan diferente se van a otro rincón.
  • Esto se hace con un algoritmo llamado DBSCAN, que actúa como un DJ que separa a la gente en grupos según su ritmo, sin necesidad de saber de antemano cuántos grupos habrá.

3. El Trabajo Humano: El "Jefe de Fiesta"

Ahora viene la parte donde el humano interviene, pero de forma muy eficiente.

• Antes: El humano tenía que revisar 15,000 objetos individuales.
• Ahora: El sistema ha creado, por ejemplo, 25 grupos (clusters).
  • El humano solo tiene que mirar 25 grupos representativos.
  • Si el humano ve un grupo y dice: "¡Eso son núcleos!", el sistema etiqueta automáticamente a todos los miembros de ese grupo como "núcleos".
  • Si ve otro grupo y dice: "Eso es ruido, tíralo", el sistema descarta a todos los de ese grupo.

El resultado: El trabajo se reduce de miles de tareas a docenas. Es como pasar de escribir 15,000 cartas a mano a solo escribir 25 correos electrónicos masivos.

4. ¿Funciona de verdad? (Los Resultados)

Los autores probaron este sistema con tejidos de humanos, ratas y conejos (hígado, hueso, músculo, etc.).

• La prueba: Compararon lo que el sistema agrupó con lo que un experto humano habría etiquetado.
• El éxito: ¡El sistema acertó en el 96.8% de los casos!
  • En tejidos como el pulmón o la próstata, donde las células son muy uniformes, el sistema acertó el 100%.
  • Falló un poco más en tejidos difíciles como el hueso compacto o el músculo esquelético, donde las formas son muy variadas y difíciles de distinguir solo por la "foto" (como intentar distinguir a dos gemelos idénticos solo mirando su silueta).

¿Por qué es importante?

Este sistema es como tener un asistente de IA que hace el trabajo sucio y repetitivo.

1. Ahorra tiempo: Reduce el esfuerzo humano en miles de veces.
2. Es gratuito y abierto: El código es de "código abierto" (como un receta de cocina que cualquiera puede usar y mejorar).
3. Es escalable: Funciona en la nube, por lo que puede procesar miles de diapositivas a la vez.

En resumen: En lugar de intentar clasificar cada grano de arena de una playa individualmente, este sistema agrupa los granos por color y tamaño, y luego le pide a un humano que solo nombre los montones resultantes. ¡Mucho más rápido y casi igual de preciso!

Resumen técnico

Resumen Técnico: Etiquetado Primero por Agrupación (Cluster-First Labelling)

1. El Problema

La anotación manual de componentes tisulares en imágenes de diapositivas completas (WSI, por sus siglas en inglés) de histología es un proceso prohibitivamente laborioso y costoso. Una sola diapositiva escaneada a 40x puede contener decenas de miles de estructuras (células, núcleos, agrupaciones celulares) que requieren la delimitación manual de sus fronteras y su clasificación individual. Este proceso puede llevar días de tiempo experto por diapositiva, lo que limita la escalabilidad de los recursos educativos y de investigación en patología computacional.

2. Metodología: Pipeline Automatizado "Cluster-First"

Los autores proponen un paradigma alternativo: en lugar de etiquetar células una por una, el sistema primero segmenta automáticamente todas las estructuras, las agrupa por similitud morfológica y permite que un anotador humano etiquete solo los grupos representativos (clústeres). El pipeline, alojado en la nube (Azure ML), consta de las siguientes etapas:

• Fragmentación y Filtrado de Calidad: Las WSI se dividen en parches (tiles) de 512x512 píxeles. Se aplican seis métricas de calidad de imagen (densidad de bordes, relación de píxeles brillantes/oscuros, desviación estándar de intensidad, varianza de Laplaciano, etc.) para descartar parches no informativos (fondo o fuera de foco).
• Segmentación Celular: Se utiliza el modelo Cellpose-SAM (que combina la formulación de flujo de gradiente de Cellpose con el codificador Segment Anything). Este modelo detecta cualquier estructura morfológicamente distinta similar a una célula (células individuales, núcleos, grupos compactos) sin necesidad de reentrenamiento específico por tejido.
• Extracción de Características: Cada objeto segmentado se recorta y se pasa a través de una red ResNet-50 preentrenada en ImageNet para extraer un vector de características de 2,048 dimensiones.
• Reducción de Dimensionalidad: Se utiliza UMAP para proyectar los vectores de 2,048 dimensiones a 50 dimensiones, preservando la estructura morfológica local y global.
• Agrupamiento (Clustering): Se aplica el algoritmo DBSCAN para agrupar objetos morfológicamente similares. Los parámetros (radio de vecindad $\epsilon$ y tamaño mínimo de núcleo) se ajustan automáticamente o se fijan, permitiendo que los objetos que no cumplen la densidad se marquen como ruido.
• Validación Humana: Se desarrolla una aplicación web donde los anotadores revisan los clústeres representativos. La precisión se mide mediante un emparejamiento óptimo utilizando el Algoritmo Húngaro entre los clústeres del modelo y las etiquetas humanas por cada parche.

3. Contribuciones Clave

1. Pipeline End-to-End en la Nube: Un sistema automatizado que toma archivos WSI crudos y produce asignaciones de clústeres por célula sin intervención manual intermedia.
2. Escalabilidad: Implementación en Azure ML que soporta paralelismo multi-nodo con granularidad por diapositiva.
3. Herramienta de Validación Open Source: Una aplicación web que calcula la precisión alineada con el algoritmo Húngaro, facilitando la comparación cuantitativa entre la agrupación no supervisada y el juicio humano.
4. Evaluación Empírica Rigurosa: Validación en 3,696 componentes tisulares de 13 tipos de tejido diferentes y tres especies (humano, rata, conejo), demostrando la viabilidad del enfoque.

4. Resultados

• Precisión General: El sistema logró una precisión de alineación entre clústeres y etiquetas humanas ponderada del 96.8%.
• Rendimiento por Tejido: 7 de los 13 tipos de tejidos alcanzaron un acuerdo perfecto (100%), incluyendo pulmón, próstata, cuello uterino, páncreas y varios tejidos reproductivos.
• Casos Desafiantes: Los tejidos con menor precisión (hueso compacto y músculo esquelético, ambos al 84.0%) presentaron dificultades debido a la baja densidad celular por parche (hueso) o a la diversidad morfológica de componentes dentro de un mismo parche que carecen de contexto espacial para el modelo (músculo).
• Eficiencia: El enfoque reduce drásticamente el esfuerzo de anotación. En lugar de revisar miles de objetos, el anotador revisa solo los clústeres representativos (ej. reducir 15,000 objetos a 25 clústeres implica una reducción de esfuerzo de ~600x).

5. Significado e Impacto

• Cambio de Paradigma: El enfoque "Cluster-First" transforma el flujo de trabajo de anotación de una complejidad $O(N)$ (donde $N$ es el número de células) a $O(K)$ (donde $K$ es el número de clústeres, con $K \ll N$).
• Generalización: Al utilizar componentes de código abierto y con licencias permisivas (Cellpose-SAM, ResNet-50) y un pipeline unificado, el sistema logra una alta generalización a través de múltiples especies y tipos de tejido sin necesidad de ajuste de hiperparámetros específico para cada tejido.
• Accesibilidad: La liberación del código, la aplicación web y los scripts de evaluación bajo licencia MIT permite que la comunidad científica replique y mejore el sistema, democratizando la anotación de histología a gran escala.
• Limitaciones y Futuro: El trabajo reconoce que la calidad de la segmentación (límites de píxeles) no se evalúa directamente y que el contexto espacial podría mejorar el rendimiento en tejidos complejos. Sin embargo, demuestra que la agrupación morfológica no supervisada es una estrategia viable y altamente precisa para la anotación masiva.

En conclusión, este sistema ofrece una solución práctica y escalable para la anotación de histología, haciendo viable la creación de grandes conjuntos de datos educativos y de investigación mediante la automatización inteligente y la validación humana eficiente.