Résumé Technique : TopoAgent

Problématique

L'analyse de données topologiques (TDA), et plus particulièrement l'homologie persistante (PH), capture des propriétés structurelles géométriques dans les images médicales (par exemple, les composantes connexes, les boucles, les caractéristiques de forme) que l'apprentissage profond conventionnel au niveau du pixel néglige souvent. Pour exploiter ces informations, les chercheurs s'appuient sur des descripteurs topologiques afin de convertir les diagrammes de persistance (PD) ou les images brutes en vecteurs de caractéristiques de longueur fixe. Cependant, aucun descripteur unique n'est universellement efficace pour tous les ensembles de données ; chacun encode des caractéristiques géométriques distinctes avec des propriétés mathématiques, des hyperparamètres et des modes de défaillance spécifiques.

La détermination du descripteur optimal pour un ensemble de données d'images donné est actuellement un processus manuel, dépendant de l'expertise, impliquant des essais et erreurs. Cela est exacerbé par l'absence de bancs d'essai standardisés pour comparer les descripteurs à travers diverses morphologies médicales. De plus, bien que les agents basés sur les grands modèles de langage (LLM) aient montré des promesses dans l'IA médicale, aucun cadre existant ne peut calculer automatiquement la PH, raisonner sur les structures topologiques et produire des vecteurs de caractéristiques topologiques adaptés aux tâches en aval sans entraînement spécifique à la tâche.

Méthodologie : Le cadre TopoAgent

Les auteurs proposent TopoAgent, un cadre agentique basé sur les LLM conçu pour automatiser l'apprentissage topologique. Il fonctionne via une boucle Perception–Raisonnement–Action–Réflexion (PRAR), soutenue par un ensemble de compétences distillées et une double mémoire, sans nécessiter d'entraînement spécifique à la tâche.

1. Composants de base

• Boîte à outils (21 outils) :
  • Outils de Perception (6) : Gèrent le chargage d'images, l'analyse de la qualité, le débruitage, le calcul de la PH (via GUDHI avec une filtration de complexe cubique), l'extraction de profils de PH et le calcul du ratio de Betti.
  • Outils de Descripteurs (15) : Une bibliothèque de 15 descripteurs topologiques, incluant 10 basés sur la PH (ex: images de persistance, paysages de persistance) et 5 basés sur l'image (ex: fonctionnelles de Minkowski, transformée de caractéristique d'Euler).
• Ensemble de Compétences ($S$) : Une base de connaissances statique distillée hors ligne à partir d'évaluations systématiques, comprenant :
  • $S_{prop}$ : Propriétés qualitatives des descripteurs (définitions, forces, faiblesses).
  • $S_{rank}$ : Preuves empiriques sous forme de classements hiérarchisés et de chaînes de raisonnement reliant les motifs de PH à l'adéquation des descripteurs.
  • $S_{param}$ : Configurations de paramètres validées pour des types d'objets spécifiques.
• Double Mémoire :
  • Mémoire à court terme ($M_s$) : Suit les invocations d'outils au sein d'une seule exécution pour éviter les échecs répétés.
  • Mémoire à long terme ($M_l$) : Accumule les entrées de diagnostic (descripteurs échoués, causes, corrections) à travers les exécutions au sein d'un ensemble de données pour permettre une adaptation au moment de l'exécution.
    Die

2. Le Pipeline PRAR

1. Perception : L'agent calcule de manière déterministe le profil de PH ($h(I)$) et les statistiques visuelles ($v(I)$). Un LLM interprète ces données ainsi que l'image brute pour identifier le type d'objet ($o$) (ex: cellules, glandes, vaisseaux). Cette étape garantit que l'agent comprend le contexte topologique et visuel avant de raisonner.
2. Raisonnement : Cette phase est divisée en deux étapes pour atténuer le biais d'ancrage :
   • Proposition : L'agent propose un descripteur candidat et des paramètres basés sur $S_{prop}$ et les caractéristiques observées, sans voir l'intégralité des classements empiriques.
   • Détermination : L'agent intègre l'intégralité de $S_{rank}$ et $M_l$ pour peser la proposition par rapport aux preuves empiriques, pouvant outrepasser la proposition ou adopter une correction issue de la mémoire.
3. Action : L'agent exécute l'outil de descripteur déterminé avec des paramètres validés pour produire un vecteur de caractéristiques topologiques ($f$).
4. Réflexion : L'agent évalue la qualité de $f$ en utilisant des statistiques de résumé (parcimonie, variance, etc.) et des plages de référence issues de $S$. Si la sortie est inappropriée (ex: parcimonie excessive), l'agent enregistre un diagnostic dans $M_l$ et recommence à partir de l'étape de détermination. Si deux tentatives échouent, il revient au descripteur le mieux classé pour ce type d'objet.

Contributions Clés

1. TopoAgent : Le premier cadre agentique faisant le pont entre le raisonnement basé sur les LLM et la TDA, permettant l'apprentissage automatique de la topologie à partir d'images médicales brutes avec des traces de raisonnement complètes.
2. TopoBenchmark : Le premier banc d'essai standardisé pour évaluer les descripteurs topologiques à travers diverses morphologies médicales. Il comprend 26 ensembles de données (113 182 échantillons) couvrant cinq types d'objets : cellules, glandes/lumens, formes d'organes, arbres vasculaires et lésions de surface. Il utilise un échantillonnage basé sur la convergence pour assurer une évaluation cohérente.
3. Validation Empirique : Démonstration que la détermination adaptative du descripteur par image surpasse significativement les bases à descripteurs fixes et les LLM à usage général.

Résultats

Les expériences ont été menées sur le TopoBenchmark en utilisant six classifieurs (incluant TabPFN, XGBoost et Random Forest).

• Performance : TopoAgent a atteint une exactitude équilibrée moyenne de 68,21 %.
• Comparaisons :
  • A surpassé la meilleure base de référence (un "oracle de type d'objet" qui sélectionne le meilleur descripteur par catégorie sans raisonnement par image) de 9,32 %.
  • A surpassé les LLM à usage général (GPT-4o, Gemini, Claude) équipés des mêmes outils mais dépourvus du pipeline PRAR structuré et de l'ensemble de compétences, de plus de 21 %.
  • A surpassé l'agent d'imagerie médicale MedRAX de près de 18 %.
• Études d'Ablation :
  • L'Ensemble de Compétences ($S$) était la composante la plus critique ; son retrait faisait chuter la performance au niveau de l'oracle de type d'objet.
  • L'étape de Proposition était essentielle pour l'adaptation par image ; son retrait réduisait la performance au niveau de l'oracle, confirmant la valeur de la conception anti-ancrage.
  • La Réflexion était cruciale pour corriger les décalages de paramètres, particulièrement pour les formes d'organes et les lésions.
• Intégration en Aval : Lorsqu'il est intégré aux backbones ResNet-152 et SwinV2-B, les descripteurs déterminés de manière adaptative par TopoAgent égalent ou dépassent les performances de PHG-Net (une couche topologique apprenable) sur des ensembles de données externes, fournissant des signatures géométriques interprétables sans entraînement supplémentaire.
• Efficacité : Le pipeline se termine en une seule passe pour environ 87 % des images, avec une moyenne de 4,2 appels de LLM et environ 32 secondes par image.

Signification et Revendications

L'article affirme que TopoAgent répond à un goulot d'étranglement critique dans l'analyse d'images médicales : la dépendance à une expertise de domaine étendue et aux essais et erreurs pour sélectionner les descripteurs topologiques. En automatisant ce processus, TopoAgent rend les informations topologiques exploitables pour les tâches en aval sans nécessiter d'entraînement spécifique à la tâche ou de couches topologiques différentiables.

Les auteurs soulignent que leur approche fournit des vecteurs de caractéristiques interprétables et s'adapte aux caractéristiques topologiques spécifiques de chaque image, plutôt que de s'appuyer sur un descripteur unique pour tous. Ils reconnaissent des limites, notant que l'ensemble de compétences est distillé à partir de données médicales 2D et pourrait ne pas se généraliser aux données volumétriques 3D ou aux domaines non médicaux sans extension supplémentaire. Des travaux futurs sont proposés pour étendre ce benchmark à la 3D et explorer la fusion multi-descripteurs.