Résumé technique : Évaluation des modèles de fondation en pathologie pour la compréhension des domaines spatiaux

Énoncé du problème

Les modèles de fondation en pathologie (PFM) sont devenus l'approche dominante pour apprendre des représentations transférables à partir d'images de lames entières (WSI). Les efforts actuels de benchmarking se concentrent principalement sur des points de fin cliniques en aval, tels que la prédiction de mutations, la modélisation de la survie et le sous-typage du cancer. Bien que ces évaluations au niveau des tâches soient indispensables pour l'utilité pratique, elles ne permettent pas de caractériser ce que les représentations elles-mêmes encodent. Plus précisément, il manque d'informations sur la capacité des embeddings PFM à distinguer efficacement des régions tissulaires significatives et à capturer leur continuité spatiale et leurs relations de voisinage au sein d'une coupe tissulaire. Les évaluations existantes ne répondent pas directement dans quelle mesure les embeddings séparent les régions anatomiques ou fonctionnelles avant l'ajout de têtes spécifiques à la tâche.

Méthodologie : SpaPath-Bench

Pour combler cette lacune, les auteurs introduisent SpaPath-Bench, un benchmark au niveau de la représentation conçu pour diagnostiquer la capacité de représentation spatiale des PFM. Le benchmark formule l'Identification de Domaine Spatial (SDI) sur des données appariées d'images de lames entières (WSI) et de transcriptomique spatiale (ST) comme une tâche de diagnostic.

Pipeline de benchmark

Le pipeline standardise le processus, de l'extraction de caractéristiques au niveau des points à la partition des domaines :

1. Échantillonnage de WSI aligné sur les points : Pour chaque point de transcriptomique spatiale, un patch d'histologie correspondant est extrait de l'image H&E appariée.
2. Embedding de modèle de fondation : Des encodeurs préentraînés (PFM ou baselines) génèrent des embeddings pour chaque patch. Ces embeddings sont traités comme une matrice d'« expression pseudo », où les dimensions latentes agissent comme des gènes virtuels.
3. Module de représentation spatiale : Pour intégrer le contexte spatial, les embeddings sont transformés via deux voies :
   • Baseline non spatiale : Analyse en composantes principales (ACP).
   • Basée sur la SDI : Méthodes basées sur les graphes (par exemple, SpaGCN, CCST, SEDR) qui construisent des graphes de voisinage spatial à partir des coordonnées des points pour apprendre des représentations informées spatialement.
4. Lecture de partition contrôlée : Les représentations spatiales sont partitionnées en domaines à l'aide d'algorithmes de clustering (K-means, Louvain, Leiden).
5. Calcul des métriques : Les partitions résultantes sont évaluées selon trois critères complémentaires.

Métriques d'évaluation

Le benchmark emploie un protocole d'évaluation à trois volets :

• Cohérence spatiale non supervisée (sans référence) : Mesure la qualité spatiale intrinsèque à l'aide de métriques telles que CHAOS (dispersion spatiale), le score d'adjacence des patches (PAS) et la largeur moyenne du silo (ASW).
• Accord référencé par la transcriptomique : Pour les lames non étiquetées, les partitions dérivées des embeddings PFM sont comparées à une référence proxy construite à partir des 2000 gènes les plus variables (HVG) en utilisant le même pipeline SDI. Cela évalue l'alignement entre les modèles dérivés de la morphologie et les domaines définis moléculairement.
• Accord référencé par l'expert : Pour les lames avec des annotations anatomiques manuelles (par exemple, couches DLPFC), les partitions sont comparées aux étiquettes de vérité terrain en utilisant l'indice Rand ajusté (ARI), l'information mutuelle normalisée (NMI), l'homogénéité (HOM) et la complétude (COM).

Portée expérimentale

• Ensembles de données : 42 lames appariées WSI-ST publiques, comprenant une cohorte annotée par des experts (12 lames DLPFC humaines) et une cohorte non étiquetée (30 lames humaines et murines à travers divers tissus).
• Modèles : 19 encodeurs évalués, classés en PFM purement visuels, PFM vision-langage, modèles vision-omique et baselines d'images naturelles.
• Échelle : L'étude implique 19 encodeurs, 7 méthodes SDI, plusieurs algorithmes de clustering et 3 graines aléatoires, soit un total de 83 000 exécutions.

Résultats clés

• Stabilité du pipeline : L'analyse statistique (tests de rangs signés de Wilcoxon) a confirmé que les résultats du benchmark sont robustes face aux graines aléatoires, sans différences significatives dans les distributions des métriques.
• Performance des modèles :
  • H-Optimus-1 a obtenu le classement global le plus élevé lorsqu'évalué contre le proxy transcriptomique (HVG), suggérant que l'apprentissage auto-supervisé capture efficacement l'hétérogénéité moléculaire fine.
  • MUSK (un modèle vision-langage) a enregistré la performance la plus élevée sur les lames DLPFC annotées par des experts, indiquant que le préentraînement vision-langage peut mieux s'aligner avec les sémantiques macro-architecturales définies par l'homme.
  • Les modèles purement visuels ont généralement surpassé les baselines d'images naturelles, mais les modèles vision-langage n'ont pas montré systématiquement un avantage distinct par rapport aux équivalents purement visuels dans tous les contextes.
• Efficacité de la représentation spatiale : La méthode CCST (clustering de graphes) combinée au clustering Leiden a produit les meilleures performances agrégées sur l'ensemble des métriques, surpassant les baselines ACP. Cela suggère que l'intégration de l'apprentissage contrastif de lames entières aide à agréger le contexte régional pour une compréhension holistique du tissu.
• Résultats qualitatifs :
  • Dans les tissus présentant des transitions morphologiques subtiles (par exemple, couches corticales), les partitions guidées par l'histologie n'ont montré qu'un accord partiel avec les annotations d'experts, car le contexte neuroanatomique de haut niveau n'est pas entièrement déterminé par l'apparence locale en H&E.
  • Dans les tissus présentant une hétérogénéité structurelle prononcée (par exemple, carcinome ovarien), les domaines basés sur PFM ont réussi à délimiter des microenvironnements distincts s'alignant sur les limites à l'échelle macroscopique.

Signification et revendications

L'article affirme que SpaPath-Bench fournit une couche de diagnostic nécessaire pour comprendre les représentations en pathologie au-delà de la performance des tâches en aval. En révélant que différents paradigmes de préentraînement capturent des aspects distincts de l'architecture spatiale des tissus, le benchmark offre des orientations pratiques pour construire la prochaine génération de modèles de pathologie computationnelle conscients de l'espace.

Les auteurs positionnent SpaPath-Bench comme un banc d'essai pour développer des représentations de pathologie plus robustes et conscientes du contexte, intégrant mieux la morphologie avec l'omique spatiale. Le travail met en évidence que, bien que les PFM actuels soient puissants, leur capacité à encoder la cohérence du voisinage spatial et la séparabilité des régions varie considérablement en fonction des paradigmes de préentraînement, nécessitant des ajustements architecturaux ou d'entraînement spécifiques pour exploiter pleinement l'information spatiale en pathologie computationnelle.