Resumen Técnico: Evaluación de Modelos Fundacionales de Patología para la Comprensión de Dominios Espaciales

Enunciado del Problema

Los Modelos Fundacionales de Patología (PFM) se han convertido en el enfoque dominante para aprender representaciones transferibles a partir de Imágenes de Diapositivas Completas (WSI). Los esfuerzos actuales de evaluación se centran principalmente en puntos finales clínicos posteriores, como la predicción de mutaciones, la modelización de la supervivencia y la subtipificación del cáncer. Si bien estas evaluaciones a nivel de tarea son indispensables para la utilidad práctica, no logran caracterizar lo que las propias representaciones codifican. Específicamente, existe una falta de comprensión sobre si los incrustamientos (embeddings) de los PFM pueden distinguir eficazmente regiones tisulares significativas y capturar su continuidad espacial y relaciones de vecindad dentro de una sección de tejido. Las evaluaciones existentes no responden directamente hasta qué punto los incrustamientos separan regiones anatómicas o funcionales antes de añadir cabezas específicas de la tarea.

Metodología: SpaPath-Bench

Para abordar esta brecha, los autores introducen SpaPath-Bench, una evaluación a nivel de representación diseñada para diagnosticar la capacidad de representación espacial de los PFM. La evaluación formula la Identificación de Dominio Espacial (SDI) en datos apareados de Imagen de Diapositiva Completa (WSI) y Transcriptómica Espacial (ST) como una tarea de diagnóstico.

Pipeline de Evaluación

El pipeline estandariza el proceso, desde la extracción de características a nivel de punto hasta la partición de dominios:

1. Muestreo de WSI alineado con puntos: Para cada punto de transcriptómica espacial, se extrae un parche de histología correspondiente de la imagen H&E apareada.
2. Incrustamiento del Modelo Fundacional: Los codificadores preentrenados (PFM o líneas base) generan incrustamientos para cada parche. Estos incrustamientos se tratan como una matriz de "pseudo-expresión", donde las dimensiones latentes actúan como genes virtuales.
3. Módulo de Representación Espacial: Para incorporar el contexto espacial, los incrustamientos se transforman mediante dos rutas:
   • Línea base no espacial: Análisis de Componentes Principales (PCA).
   • Basada en SDI: Métodos basados en grafos (por ejemplo, SpaGCN, CCST, SEDR) que construyen grafos de vecindad espacial a partir de las coordenadas de los puntos para aprender representaciones informadas espacialmente.
4. Lectura de Partición Controlada: Las representaciones espaciales se particionan en dominios utilizando algoritmos de agrupamiento (K-means, Louvain, Leiden).
5. Cálculo de Métricas: Las particiones resultantes se evalúan frente a tres criterios complementarios.

Métricas de Evaluación

La evaluación emplea un protocolo de tres vías:

• Coherencia Espacial No Supervisada (Sin referencia): Mide la calidad espacial intrínseca utilizando métricas como CHAOS (dispersión espacial), Puntuación de Adyacencia de Parches (PAS) y Ancho Silueta Promedio (ASW).
• Acuerdo Referenciado a Transcriptómica: Para diapositivas sin etiquetas, las particiones derivadas de los incrustamientos de PFM se comparan con una referencia proxy construida a partir de los 2000 Genes de Alta Variabilidad (HVG) superiores utilizando el mismo pipeline de SDI. Esto evalúa la alineación entre patrones derivados de la morfología y dominios definidos molecularmente.
• Acuerdo Referenciado a Expertos: Para diapositivas con anotaciones anatómicas manuales (por ejemplo, capas de DLPFC), las particiones se comparan con etiquetas de verdad fundamental utilizando el Índice Rand Ajustado (ARI), Información Mutua Normalizada (NMI), Homogeneidad (HOM) y Completitud (COM).

Alcance Experimental

• Conjuntos de datos: 42 diapositivas apareadas WSI-ST públicas, que comprenden una cohorte anotada por expertos (12 diapositivas humanas de DLPFC) y una cohorte sin etiquetas (30 diapositivas humanas y de ratón de diversos tejidos).
• Modelos: Se evaluaron 19 codificadores, categorizados en PFM de Visión Pura, PFM de Visión-Lenguaje, modelos de Visión-Ómicas y líneas base de Imágenes Naturales.
• Escala: El estudio involucra 19 codificadores, 7 métodos de SDI, múltiples algoritmos de agrupamiento y 3 semillas aleatorias, sumando un total de 83.000 ejecuciones.

Resultados Clave

• Estabilidad del Pipeline: El análisis estadístico (pruebas de rangos con signo de Wilcoxon) confirmó que los resultados de la evaluación son robustos frente a las semillas aleatorias, sin diferencias significativas en las distribuciones de las métricas.
• Rendimiento del Modelo:
  • H-Optimus-1 logró la clasificación general más alta al evaluarse frente al proxy transcriptómico (HVG), lo que sugiere que el aprendizaje auto-supervisado captura eficazmente la heterogeneidad molecular de grano fino.
  • MUSK (un modelo de Visión-Lenguaje) registró el rendimiento más alto en diapositivas de DLPFC anotadas por expertos, lo que indica que el preentrenamiento de visión-lenguaje puede alinearse mejor con las semánticas macro-arquitectónicas definidas por humanos.
  • Los modelos de Visión Pura generalmente superaron a las líneas base de imágenes naturales, pero los modelos de Visión-Lenguaje no mostraron consistentemente una ventaja distinta sobre sus contrapartes de Visión Pura en todos los contextos.
• Eficacia de la Representación Espacial: El método CCST (Agrupamiento por Grafos) combinado con el agrupamiento Leiden obtuvo el mejor rendimiento agregado en todas las métricas, superando a las líneas base de PCA. Esto sugiere que integrar el aprendizaje contrastivo de diapositivas completas ayuda a agregar el contexto regional para una comprensión holística del tejido.
• Hallazgos Cualitativos:
  • En tejidos con transiciones morfológicas sutiles (por ejemplo, capas corticales), las particiones impulsadas por histología mostraron solo un acuerdo parcial con las anotaciones de expertos, ya que el contexto neuroanatómico de alto nivel no está determinado completamente por la apariencia local de H&E.
  • En tejidos con heterogeneidad estructural pronunciada (por ejemplo, carcinoma de ovario), los dominios basados en PFM delimitaron con éxito microentornos distintos que se alinean con límites a macroescala.

Significado y Afirmaciones

El artículo afirma que SpaPath-Bench proporciona una capa de diagnóstico necesaria para comprender las representaciones de patología más allá del rendimiento en tareas posteriores. Al revelar que diferentes paradigmas de preentrenamiento capturan aspectos distintos de la arquitectura espacial del tejido, la evaluación ofrece orientación práctica para construir la próxima generación de modelos de patología computacional conscientes del espacio.

Los autores posicionan a SpaPath-Bench como un campo de pruebas para desarrollar representaciones de patología más robustas y conscientes del contexto que integren mejor la morfología con la ómica espacial. El trabajo destaca que, aunque los PFM actuales son poderosos, su capacidad para codificar la consistencia de la vecindad espacial y la separabilidad de regiones varía significativamente según los paradigmas de preentrenamiento, lo que requiere ajustes arquitectónicos o de entrenamiento específicos para aprovechar plenamente la información espacial en la patología computacional.