Physics-Grounded Adversarial Stain Augmentation with Calibrated Coverage Guarantees

Resumen Técnico: Aumento de Manchas Adversarial Calibrado (CASA)

Enunciado del Problema
Los modelos de histopatología entrenados en diapositivas teñidas con Hematoxilina y Eosina (H&E) a menudo sufren degradación del rendimiento al desplegarse en diferentes hospitales. Este problema se origina en las variaciones de las concentraciones de reactivos, los protocolos de tinción y el hardware de los escáneres, los cuales alteran la distribución de color de las imágenes. Las soluciones existentes enfrentan limitaciones significativas:

• Normalización de Manchas: Los métodos que transforman las imágenes a una plantilla de referencia (por ejemplo, Macenko et al., 2009) a menudo introducen artefactos y dependen en gran medida de la selección de la plantilla de referencia.
• Aumento Aleatorio de Manchas: Enfoques como la perturbación HED (Tellez et al., 2019) o RandStainNA (Shen et al., 2022) aumentan la diversidad de color pero requieren una selección manual de la intensidad de la perturbación ($\sigma$). El artículo señala una falta de criterios fundamentados para esta selección, observando una brecha de rendimiento de 8 puntos porcentuales entre las configuraciones de perturbación "ligera" y "fuerte" en la prueba Camelyon17-WILDS.
• Aumento Adversarial Genérico: Métodos recientes (por ejemplo, AdvST, Zhong et al., 2022) aprenden perturbaciones del peor caso pero operan en espacios de color genéricos (HSV, contraste) con presupuestos arbitrarios que no reflejan las restricciones físicas del proceso de tinción.

Metodología: Aumento de Manchas Adversarial Calibrado (CASA)
Los autores proponen CASA, un marco que realiza un aumento adversarial dentro del espacio de parámetros de tinción de Macenko fundamentado en la física, acoplado a un presupuesto estadísticamente calibrado.

1. Espacio de Parámetros Fundamentado en la Física:
   El método utiliza la ley de Beer-Lambert para modelar la formación de la imagen ($I_j = I_0 \exp(-W h_j)$), donde $W$ representa vectores base de manchas de norma unitaria (Hematoxilina y Eosina) y $h$ representa las concentraciones de manchas. CASA opera directamente sobre estos parámetros:

   • Perturbación del Vector de Mancha ($\delta_W$): Perturba la dirección de los vectores de manchas, proyectada sobre un casquete esférico para preservar la norma unitaria.
   • Perturbación de Concentración ($\delta_h$): Escala las concentraciones elemento a elemento. Las restricciones aseguran que las concentraciones permanezcan no negativas durante toda la optimización.

2. Bucle de Entrenamiento Min-Max:
   El proceso de entrenamiento resuelve un problema min-max. En el paso de maximización interna, el modelo identifica la perturbación de manchas del peor caso $(\delta^*_W, \delta^*_h)$ utilizando Descenso de Gradiente Proyectado (PGD) de $K$ pasos. La minimización externa actualiza los parámetros del modelo $\theta$ utilizando Descenso de Gradiente Estocástico (SGD) sobre la imagen aumentada reconstruida mediante la inversa de Beer-Lambert.

3. Presupuesto Calibrado con Garantías de Cobertura:
   A diferencia de los métodos tradicionales donde los presupuestos de perturbación son hiperparámetros, CASA los deriva de estadísticas de entrenamiento multicentro utilizando la desigualdad de Dvoretzky-Kiefer-Wolfowitz (DKW).

   • Estimación: Para un conjunto de $n$ imágenes de entrenamiento, el método calcula la desviación angular de los vectores de manchas y la relación de los percentiles de concentración con respecto a la media.
   • Garantía Estadística: Los presupuestos $\tau_W$ y $\tau_H$ se establecen como cuantiles empíricos ajustados por un término de corrección DKW ($\varepsilon_n$). Esto asegura que el verdadero cuantil $(1-\delta)$ de las variaciones de manchas se cubra con una probabilidad $\geq 1-\beta$.
   • Resultado: Este enfoque garantiza que los parámetros de manchas de centros no vistos caigan dentro del presupuesto adversarial con alta confianza (por ejemplo, $\geq 95\%$), eliminando la necesidad de ajuste manual.

Resultados Clave
El método fue evaluado en el conjunto de datos Camelyon17-WILDS (5 hospitales, 302K parches) utilizando una arquitectura DenseNet-121 sobre 5 semillas aleatorias.

• Rendimiento: CASA logró una precisión macro a nivel de diapositiva de 93.9% ± 1.6%, superando significativamente a todos los puntos de referencia.
  • vs. Aumento Aleatorio: Superó a HED-fuerte (88.4% ± 7.3%) y RandStainNA (85.2% ± 6.7%).
  • vs. Entrenamiento Estándar: Mejoró enormemente sobre la Minimización del Riesgo Empírico (ERM) en 63.9% ± 11.3%.
• Robustez: CASA demostró la mayor precisión del peor grupo (84.9% ± 0.9%) entre 10 métodos comparados, indicando una estabilidad superior a través de diferentes dominios hospitalarios.
• Varianza: El método mostró una varianza 4 veces menor en la precisión promedio en comparación con HED-fuerte, destacando la estabilidad proporcionada por el presupuesto calibrado.

Significado y Afirmaciones
El artículo afirma que la efectividad de CASA se deriva de dos decisiones de diseño específicas que abordan las fallas de los métodos adversarios genéricos:

1. Fundamentación Física: Al parametrizar las perturbaciones en el espacio de manchas de Macenko, el modelo se entrena sobre las variaciones de manchas realistas más difíciles, asegurando la generalización a cualquier centro dentro de ese rango físico.
2. Calibración Basada en Datos: Al derivar el presupuesto adversarial de estadísticas multicentro mediante la desigualdad DKW, el método elimina la sensibilidad al ajuste manual de hiperparámetros (específicamente la intensidad de perturbación $\sigma$) y proporciona una garantía estadística de cobertura para dominios no vistos.

Los autores concluyen que, dado que los componentes específicos del dominio se limitan a la descomposición de manchas y al conjunto de calibración, la formulación min-max es transferible a cualquier protocolo de tinción donde el modelo físico directo sea conocido.