💻 computer science

Weakly Supervised Multicenter Nancy Index Scoring in Ulcerative Colitis Using Foundation Models

Ce papier propose un cadre d'apprentissage multiple faiblement supervisé exploitant des modèles de fondation, en particulier Virchow2, pour obtenir un score robuste et interprétable du Nancy Index multicentrique dans la colite ulcéreuse à l'aide uniquement d'annotations au niveau du cas, surmontant ainsi la nécessité d'un étiquetage coûteux au niveau des régions denses.

Auteurs originaux : Adam Kukučka, Ondřej Fabián, Vít Musil, Tomáš Brázdil

Publié 2026-04-28

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Adam Kukučka, Ondřej Fabián, Vít Musil, Tomáš Brázdil

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La Vue d'Ensemble : Noter un « Intestin en Désordre »

Imaginez la rectocolite hémorragique (RCH) comme un jardin envahi par des mauvaises herbes (l'inflammation). Les médecins doivent connaître exactement l'ampleur de l'envahissement pour décider du traitement approprié. Ils utilisent un système de notation standardisé appelé l'Index de Nancy, qui classe le jardin de 0 (parfaitement propre) à 4 (complètement envahi).

Habituellement, un pathologiste humain (un médecin qui examine les tissus au microscope) doit effectuer cette notation. Mais examiner chaque diapositive individuelle, c'est comme essayer de compter chaque feuille d'un sol forestier à la main. Cela prend une éternité, et deux médecins différents peuvent ne pas s'accorder pour savoir si une zone spécifique est une « 2 » ou une « 3 ».

Le Problème : Trop Cher pour Enseigner aux Ordinateurs

Les scientifiques ont tenté de construire des ordinateurs pour effectuer cette notation automatiquement. Cependant, la plupart des tentatives précédentes nécessitaient un « enseignant » pour dessiner des cadres autour de chaque mauvais point sur l'image et l'étiqueter. C'est comme embaucher un enseignant pour pointer chaque mauvaise herbe dans une forêt. C'est incroyablement coûteux et lent, surtout lorsque vous avez des échantillons provenant de différents hôpitaux qui ont des apparences différentes (éclairage différent, colorations différentes, scanners différents).

La Solution : Le Détective « Faiblement Supervisé »

Cet article propose une manière plus intelligente d'enseigner à l'ordinateur, appelée Apprentissage Faiblement Supervisé.

Au lieu de demander à l'ordinateur de trouver chaque mauvaise herbe, les chercheurs ne lui ont donné que la note finale pour la diapositive entière (par exemple : « Cette diapositive entière est une Note 3 »). Ils n'ont pas montré à l'ordinateur où se trouvaient les mauvais points.

Pensez-y ainsi : vous montrez à un élève une photo entière d'une chambre en désordre et vous dites : « Cette chambre est un 3 sur 5 sur l'échelle du désordre ». Vous ne dites pas à l'élève quelles chaussettes sont par terre ou où se trouve la poubelle. Vous laissez simplement l'élève regarder l'ensemble de l'image et comprendre les détails par lui-même.

Comment le Système Fonctionne : L'« Équipe de Spécialistes »

Le système informatique qu'ils ont construit agit comme une équipe de trois détectives spécialisés travaillant ensemble pour résoudre l'affaire :

Le Détective « Neutrophile » : Ce détective cherche spécifiquement un type de globule blanc (les neutrophiles) qui signale une inflammation active. Il se demande : « Ce jardin est-il calme (Faible) ou en feu (Élevé) ? »
Le Spécialiste « Bas Grade » : Si le jardin semble calme, ce détective intervient pour décider s'il s'agit d'un 0 parfait ou d'un 1 légèrement en désordre.
Le Spécialiste « Haut Grade » : Si le jardin semble en feu, ce détective intervient pour décider s'il s'agit d'un 2, 3 ou 4.

L'Ingrédient Magique : Les Modèles de Fondation
Pour aider ces détectives à voir clairement, les chercheurs ont utilisé des Modèles de Fondation. Imaginez-les comme des « yeux sur-entraînés » qui ont déjà étudié des millions d'images médicales du monde entier. Ils savent à quoi ressemble un tissu sain et à quoi ressemble un tissu malade, même si l'éclairage est différent. Les chercheurs ont utilisé un modèle spécifique appelé Virchow2, qui s'est avéré être les meilleurs « yeux » pour le travail.

Le Processus : Le Découpage

Couper le Gâteau : L'ordinateur prend une immense image du tissu (Image de Diapositive Entière) et la découpe en milliers de petits morceaux de puzzle (tuiles).
Contrôle Qualité : Il jette les morceaux flous ou défectueux, tout comme un photographe rejette une photo avec un doigt devant l'objectif.
Le Vote : Les trois détectives spécialistes examinent tous les morceaux de puzzle. Ils utilisent un système de vote (appelé Attention) pour décider quels morceaux sont les plus importants.
Le Verdict Final : Le système combine les votes pour donner une note finale de 0 à 4.

Les Résultats : Est-ce que ça a Marché ?

L'équipe a testé cela sur des données réelles provenant de trois hôpitaux différents en République tchèque. Ces hôpitaux utilisaient des scanners et des méthodes de coloration différents, rendant les données très « désordonnées » et difficiles à standardiser.

Précision : L'ordinateur a performé presque aussi bien que les meilleurs systèmes d'IA existants (comme celui de PathAI) et a correspondu à la cohérence des experts humains.
Efficacité : Parce qu'il n'avait pas besoin de ces étiquettes coûteuses et détaillées « dessinez-le-cadre », il était beaucoup plus facile à entraîner.
Transparence : Le système peut montrer aux médecins quels morceaux de puzzle il a examinés pour prendre sa décision. C'est comme si l'ordinateur surlignait les mauvaises herbes spécifiques qu'il a trouvées, afin que le médecin humain puisse vérifier le travail.

La Conclusion

Cet article montre que vous n'avez pas besoin d'un enseignant parfait et coûteux pour entraîner une IA à noter la rectocolite hémorragique. En utilisant une approche de « supervision faible » (en donnant simplement la note finale) et une équipe de spécialistes alimentée par des « super-yeux » modernes (Modèles de Fondation), les ordinateurs peuvent noter de manière fiable des échantillons de tissus à travers différents hôpitaux. Cela rend le processus plus rapide et plus cohérent, aidant les médecins à mieux traiter les patients sans avoir besoin d'étiqueter manuellement chaque détail.

1. Énoncé du problème

L'article aborde le défi de l'automatisation du score de l'Indice Histologique de Nancy (NHI) pour l'activité de la Colite Ulcéreuse (CU).

Contexte clinique : Le NHI est une échelle standard à 5 grades (0–4) utilisée pour évaluer l'activité histologique dans la CU, cruciale pour les essais cliniques et les soins courants. Le classement manuel est long et souffre d'une variabilité significative inter- et intra-observateur.
Défi technique : Les solutions existantes en pathologie computationnelle reposent souvent sur des annotations denses au niveau des régions ou des cellules, qui sont coûteuses à générer et difficiles à standardiser entre différents établissements.
Objectif spécifique : Développer un système de scoring automatisé et robuste fonctionnant sous supervision faible (n'utilisant que des étiquettes au niveau du cas ou de la lame) sur des jeux de données multicentriques présentant des protocoles de coloration hétérogènes, des types de scanners variés et des populations de patients différentes.

2. Méthodologie

Les auteurs proposent un pipeline d'Apprentissage par Multiples Instances (MIL) sous supervision faible adapté aux Images de Lames Entières (WSI).

A. Préparation des données

Jeu de données : Collection rétrospective de biopsies coliques colorées H&E provenant de trois institutions tchèques (IKEM, TUH, KNL) couvrant la période 2019–2025.
Étiquettes : Seules les notes NHI au niveau de la lame/du cas (0–4) étaient disponibles. Aucune annotation au niveau des régions n'a été utilisée.
Prétraitement :
- Détection des tissus et contrôle de qualité (élimination des flous/artefacts).
- Découpage (Tiling) : Les lames sont divisées en tuiles à trois résolutions (T0, T1, T2).
- Division des données : Division au niveau du cas pour garantir qu'aucune fuite de données patient ne se produise entre les ensembles d'entraînement, de test préliminaire et de test final.

B. Architecture du modèle

Le pipeline utilise une approche de Modèle Fondation combinée à une stratégie MIL spécialisée :

Encodeurs de Modèle Fondation : Des encodeurs visuels pré-entraînés et figés (UNI2-h, Prov-GigaPath, Virchow2) extraient les embeddings de tuiles ( $h_i$ ).
Modèles d'inférence spécialisés : Au lieu d'un modèle monolithique unique, trois modèles MIL distincts sont entraînés pour des sous-tâches diagnostiques spécifiques :
- Modèle d'activité des neutrophiles : Classification binaire (Activité faible vs Élevée).
- Modèle Nancy-Faible : Classification multi-classes pour les grades {0, 1, Élevé}.
- Modèle Nancy-Élevé : Classification multi-classes pour les grades {Faible, 2, 3, 4}.
Agrégation basée sur l'attention (Variante Instance-First) :
- Le MIL standard agrège d'abord les embeddings, puis classe.
- Variante de cet article : Applique un classifieur spécifique à la tâche ( $c_\psi$ ) à chaque embedding de tuile pour générer des logits au niveau de la tuile ( $s_i$ ).
- Ces logits de tuiles sont ensuite regroupés à l'aide de poids d'attention ( $a_i$ ) pour générer des logits au niveau de la lame : $s = \sum a_i s_i$ .
- Cette approche "instance-first" permet un scoring direct au niveau de la tuile et une meilleure interprétabilité.

C. Post-traitement et mise en ensemble

Stratégie d'ensemble : À l'inférence, les trois modèles votent pour déterminer le groupe d'activité (Faible vs Élevé).
Prédiction finale : Le NHI final à 5 grades est obtenu en sélectionnant le modèle spécialiste approprié (Faible ou Élevé) et en prenant l'argmax sur ses classes de grades spécifiques, en ignorant la classe du groupe "autre".

3. Contributions clés

Cadre de supervision faible : Réussit à prédire le NHI en utilisant uniquement des étiquettes grossières au niveau de la lame, éliminant ainsi le besoin d'annotations denses coûteuses.
Architecture MIL spécialisée : Introduit un "gâchage hiérarchique" via un ensemble de modèles spécifiques à la tâche (Neutrophiles, Faible, Élevé) plutôt qu'un seul classifieur plat, améliorant les performances sur des points de mesure cliniques spécifiques.
Intégration de modèles fondation : Démontre l'efficacité des modèles fondation modernes en pathologie (spécifiquement Virchow2) pour gérer l'hétérogénéité multicentrique.
Validation multicentrique : Évaluation rigoureuse sur trois institutions distinctes avec des protocoles variés, prouvant la robustesse face au décalage de domaine.
Interprétabilité : Utilise les poids d'attention et la classification instance-first pour visualiser les régions tissulaires spécifiques (par exemple, cryptite, abcès cryptiques) qui sous-tendent la décision.

4. Résultats

Le modèle a été évalué sur un jeu de test final comprenant des données provenant des trois centres.

Métriques de performance :
- $\kappa$ pondéré de Cohen : 0,85 (comparé au $\kappa$ de référence de PathAI de 0,91).
- Corrélation de Spearman ( $\rho$ ) : 0,85 (comparé à 0,89 pour PathAI).
- Les performances sont comparables à des systèmes de référence puissants malgré l'utilisation exclusive de supervision faible.
Études d'ablation :
- Choix de l'encodeur : Virchow2 a fourni les gains les plus cohérents. L'utilisation d'une résolution inférieure (T2) avec Virchow2 a amélioré la précision pour les tâches Neutrophiles et Nancy-Faible tout en réduisant le temps de calcul d'environ 10 fois.
- Ensemble vs Gâchage hiérarchique : L'approche d'ensemble proposée ( $\kappa$ pondéré = 0,89) a surpassé une base de gâchage hiérarchique stricte ( $\kappa$ pondéré = 0,87), suggérant que des vues indépendantes spécifiques à la tâche produisent des décisions plus robustes.
- Détection des neutrophiles : Le modèle de neutrophiles appris a nettement surpassé un détecteur de neutrophiles pré-entraîné externe (Précision : 0,91 contre 0,74).
Interprétabilité : Les cartes thermiques d'attention ont mis en évidence avec succès des caractéristiques biologiquement pertinentes telles que la cryptite neutrophilique, les abcès cryptiques et les lésions de l'épithélium de surface.

5. Importance et conclusion

Impact clinique : Ce travail démontre que le MIL sous supervision faible avec des modèles fondation peut fournir un scoring histologique robuste et interprétable dans des contextes multicentriques réalistes et hétérogènes.
Efficacité : En s'appuyant sur des étiquettes au niveau de la lame, l'approche réduit considérablement la charge d'annotation pour les pathologistes, rendant le déploiement à grande échelle réalisable.
Aide à la décision : Le système agit comme un outil viable d'aide à la décision capable de standardiser le classement entre les centres et de réduire la variabilité inter-observateur, en particulier pour distinguer les cas inactifs (NHI 0) des cas très actifs (NHI 4).
Perspective future : L'étude valide le potentiel des "modèles fondation + supervision faible" comme paradigme standard pour la pathologie computationnelle dans des environnements cliniques complexes et réels.