MB-DSMIL-CL-PL: Scalable Weakly Supervised Ovarian Cancer Subtype Classification and Localisation Using Contrastive and Prototype Learning with Frozen Patch Features

Cet article propose une nouvelle approche d'apprentissage contrastif et par prototypes utilisant des caractéristiques de patch figées pour améliorer de manière significative la classification et la localisation des sous-types de cancer ovarien tout en garantissant une évolutivité supérieure aux méthodes end-to-end.

L'essentiel

Imaginez que le cancer de l'ovaire est comme une immense forêt (une image microscopique d'un tissu) que les médecins doivent examiner pour trouver des arbres malades. Le problème, c'est que cette forêt est gigantesque, et les médecins sont débordés. Ils ne peuvent pas regarder chaque feuille, chaque brindille, un par un.

Voici comment les chercheurs de ce papier ont créé un "super assistant" pour les aider, en utilisant une astuce intelligente.

1. Le Problème : La forêt trop grande

Traditionnellement, pour analyser ces images, les ordinateurs devaient "apprendre" à voir les arbres en regardant des millions de photos brutes. C'est comme essayer d'apprendre à reconnaître un chêne en plantant soi-même des millions d'arbres et en attendant qu'ils grandissent. C'est très lent, ça demande une énorme énergie (comme un ordinateur qui chauffe comme un four), et c'est difficile à faire à grande échelle.

D'autres méthodes plus rapides existaient, mais elles étaient un peu "aveugles". Elles utilisaient des photos d'arbres déjà prises par quelqu'un d'autre (des "fonctions pré-calculées"). C'est rapide, mais l'ordinateur ne peut pas vraiment s'adapter aux détails spécifiques du cancer, un peu comme si vous essayiez de reconnaître un ami en utilisant uniquement sa photo d'identité de 10 ans plus tôt.

2. La Solution : Le Chef d'Orchestre (MB-DSMIL-CL-PL)

Les auteurs ont créé une nouvelle méthode, qu'ils appellent MB-DSMIL-CL-PL. Pour faire simple, c'est comme si on prenait un chef d'orchestre très doué et qu'on lui donnait deux nouveaux outils magiques pour mieux diriger les musiciens (les petits morceaux de l'image).

Voici les deux outils magiques, expliqués avec des analogies :

Outil A : L'Entraînement par le "Jeu de Miroir" (Apprentissage Contrastif)

Imaginez que vous apprenez à un enfant à reconnaître des pommes.

• L'ancienne méthode : On lui montre une pomme et on dit "C'est une pomme".
• La nouvelle méthode (Contrastive) : On prend la même pomme, on la tourne, on change un peu la lumière, on la cache un peu (c'est ce qu'on appelle l'augmentation). On dit à l'enfant : "Regarde, c'est la même pomme, peu importe comment elle tourne". Et on lui montre aussi une poire et on dit : "Ça, c'est différent".

Dans ce papier, au lieu de faire tourner l'image entière (ce qui est lent), ils font tourner les "données" à l'intérieur de l'ordinateur. C'est comme si on entraînait le cerveau de l'ordinateur à reconnaître que deux images légèrement différentes sont en fait le même type de cancer, sans avoir à recalculer toute l'image. Cela rend le système beaucoup plus intelligent et précis.

Outil B : Le "Modèle Idéal" (Apprentissage par Prototype)

Imaginez que vous devez trier des fruits. Au lieu de comparer chaque fruit à chaque autre fruit, vous créez un "Modèle Idéal" de pomme et un "Modèle Idéal" de poire dans votre tête.

• Quand un fruit arrive, vous le comparez à votre "Modèle Idéal de pomme". S'il ressemble beaucoup, c'est une pomme.
• Les chercheurs ont créé des "modèles idéaux" pour chaque type de cancer (cancer agressif, cancer lent, tissu normal, etc.).

Leur système utilise ces modèles pour dire : "Ce petit morceau d'image ressemble beaucoup à mon modèle de cancer agressif, donc je vais le marquer comme tel". Cela évite les erreurs où l'ordinateur hésite entre deux types de cancers.

3. Le Résultat : Plus rapide, plus précis, moins fatigué

Grâce à cette combinaison (le chef d'orchestre + le jeu de miroir + les modèles idéaux), le système a obtenu des résultats incroyables :

• Précision : Il a fait 70 % de progrès dans la capacité à identifier le type exact de cancer sur un petit morceau de tissu, comparé aux anciennes méthodes rapides.
• Localisation : Il sait mieux où se trouve le cancer dans l'image (comme un pointeur laser précis).
• Vitesse : Le plus beau, c'est qu'il reste rapide. Il n'a pas besoin de recalculer tout l'image comme les méthodes lentes. Il utilise les "photos pré-calculées" mais les comprend beaucoup mieux grâce à ses nouveaux outils.

En résumé

C'est comme si on avait pris un détective rapide mais un peu bête (les anciennes méthodes rapides) et qu'on lui avait donné un manuel de déduction génial et une loupe magique. Maintenant, il est aussi rapide qu'avant, mais il ne rate plus aucun détail et peut distinguer les différents types de cancers avec une précision chirurgicale.

Cela pourrait aider les médecins à diagnostiquer plus vite et à mieux soigner les patientes, sans avoir besoin d'ordinateurs géants et énergivores.

Résumé technique

1. Problématique et Contexte

Le diagnostic de l'adénocarcinome ovarien repose sur l'examen histopathologique pour identifier les sous-types tumoraux (par exemple, carcinome séreux de haut grade, carcinome endométrioïde, etc.), ce qui est crucial pour personnaliser les traitements. Cependant, les départements de pathologie au Royaume-Uni font face à une charge de travail croissante et à un manque de personnel, rendant l'analyse manuelle difficile.

Bien que l'intelligence artificielle (IA) offre des solutions, les approches existantes souffrent de compromis majeurs :

• Approches traditionnelles (features figées) : Elles utilisent des caractéristiques d'images pré-calculées (frozen features) pour garantir une scalabilité et une rapidité d'entraînement. Cependant, leur performance est limitée par la capacité discriminative de ces espaces de caractéristiques figés.
• Approches modernes (end-to-end) : Elles entraînent les extracteurs de caractéristiques de bout en bout, améliorant la précision mais au prix d'une consommation mémoire et computationnelle massive, ce qui réduit la scalabilité.

L'objectif de ce travail est de développer une méthode faiblement supervisée capable de classifier et de localiser les sous-types de cancer ovarien avec une haute précision, tout en conservant l'efficacité computationnelle des caractéristiques pré-calculées.

2. Méthodologie Proposée : MB-DSMIL-CL-PL

Les auteurs proposent une nouvelle architecture d'apprentissage multiple instance (MIL) nommée MB-DSMIL-CL-PL. Cette méthode combine les forces de DSMIL, CLAM et de l'apprentissage par prototypes (INS), tout en intégrant l'apprentissage contrastif dans un espace de caractéristiques figées.

A. Prétraitement et Extraction de Patchs

• Segmentation : Les diapositives entières (WSI) sont segmentées pour éliminer le fond, en utilisant un seuillage de saturation dans l'espace HSV.
• Encodage : Les patchs de tissu (224x224 pixels à 10x de grossissement) sont encodés à l'aide du modèle UNI (Vision Transformer pré-entraîné sur 100 millions d'images histopathologiques). Ces embeddings sont pré-calculés et figés, évitant ainsi l'entraînement coûteux de l'encodeur d'images.

B. Architecture MB-DSMIL (Multi-Branch DSMIL)

Contrairement à DSMIL original qui utilise une projection de requête partagée, cette version introduit des branches spécifiques à chaque classe.

• Pour chaque sous-type de cancer, un mécanisme d'attention calcule des scores basés sur une projection de requête dédiée ($\phi_c$).
• Cela permet au modèle de capturer la pertinence spécifique des instances pour chaque classe, augmentant la capacité expressive par rapport à DSMIL standard.

C. Apprentissage Contrastif (CL) dans l'Espace des Features

Pour pallier le manque de flexibilité des features figées, les auteurs adaptent l'apprentissage contrastif (inspiré de SimCL et INS) directement dans l'espace des embeddings :

• Augmentation dans l'espace des features : Au lieu d'augmenter les images, ils ajoutent du bruit gaussien normalisé aux vecteurs d'embedding pré-calculés, en préservant le signe de chaque dimension pour éviter un dérive sémantique.
• Encodage : Des couches MLP simples agissent comme encodeurs de requête et de clé (mis à jour via une moyenne mobile exponentielle - EMA).
• Objectif : Cela permet d'adapter l'espace de caractéristiques généraliste (UNI) aux tâches spécifiques sans réentraîner l'encodeur d'images.

D. Apprentissage par Prototypes (PL)

Pour stabiliser l'étiquetage pseudo-supervisé (pseudo-labelling) :

• Des prototypes de classe ($\mu_c$) sont initialisés et mis à jour via EMA en fonction des instances prédites.
• Les pseudo-étiquettes sont générées en fonction de la similarité entre les instances augmentées et ces prototypes.
• Contrairement à d'autres méthodes qui ne distinguent que "cancer/non-cancer", cette approche gère explicitement tous les sous-types et le tissu normal, améliorant la stabilité de l'apprentissage.

3. Contributions Clés

1. Nouvelle Architecture MIL : Introduction de MB-DSMIL, qui intègre des branches d'attention spécifiques aux classes dans le cadre DSMIL.
2. Apprentissage Contrastif sur Features Figées : Première application réussie de l'apprentissage contrastif (SimCL) au sein d'un cadre MIL utilisant des features pré-calculées, permettant une adaptabilité de l'espace de features sans coût computationnel élevé.
3. Stabilité par Prototypes : Extension de l'apprentissage par prototypes (inspiré de INS) pour gérer des tâches de classification multi-classes complexes (plus de 2 classes) avec des données faiblement supervisées.
4. Scalabilité : La méthode maintient l'efficacité des approches à features figées tout en rivalisant avec les méthodes end-to-end en termes de performance.

4. Résultats Expérimentaux

Les expériences ont été menées sur le jeu de données DROV (137 diapositives d'adénocarcinome ovarien, incluant des sous-types rares et du tissu normal), avec des annotations au niveau de la diapositive pour l'entraînement et des segmentations au niveau des pixels pour le test.

Comparaison avec les SOTA (DSMIL et CLAM) :

• Classification au niveau de la diapositive (Slide-level) :
  • Gain de 70,4 % sur le score F1 macro par rapport à DSMIL (0,775 vs 0,672).
  • Gain de 2,3 % sur l'AUC (0,974 vs 0,952).
• Classification au niveau de l'instance (Instance-level) :
  • Gain spectaculaire de 70,4 % sur le score F1 macro (0,513 vs 0,301).
  • Gain de 16,9 % sur l'AUC (0,913 vs 0,781).
• Localisation :
  • Amélioration de 2,3 % sur l'AUC de localisation (0,876 vs 0,756).
  • Les cartes d'attention sont moins éparses et mieux alignées avec les vérités terrain, réduisant la confusion entre les sous-types.

Analyse par classe :
La méthode MB-DSMIL-CL-PL montre une robustesse supérieure, en particulier pour les classes minoritaires (ex: Mucineux, LGSC), où DSMIL et CLAM échouent souvent.

5. Signification et Impact

Ce travail démontre qu'il est possible de dépasser les limitations des approches à features figées sans sacrifier la scalabilité.

• Efficacité Clinique : La capacité à localiser précisément les sous-types rares et à distinguer les tissus normaux des tissus cancéreux avec une faible supervision (seulement des labels de diapositive) est un pas en avant majeur pour l'aide au diagnostic en pathologie.
• Économie de Ressources : En évitant l'entraînement end-to-end des extracteurs d'images, la méthode reste accessible aux laboratoires disposant de ressources computationnelles limitées.
• Généralisation : L'approche suggère que l'adaptation de l'espace de caractéristiques via l'apprentissage contrastif et par prototypes est une voie prometteuse pour les tâches médicales complexes multi-classes.

En conclusion, MB-DSMIL-CL-PL établit un nouvel état de l'art pour la classification et la localisation du cancer ovarien, offrant un équilibre optimal entre précision, stabilité et efficacité computationnelle.