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

1. Enunciato del Problema

Il documento affronta la sfida di automatizzare la valutazione dell'Indice Istologico di Nancy (NHI) per l'attività della Colite Ulcerosa (CU).

• Contesto Clinico: L'NHI è una scala standard a 5 gradi (0–4) utilizzata per valutare l'attività istologica nella CU, cruciale per gli studi clinici e l'assistenza di routine. La classificazione manuale è dispendiosa in termini di tempo e soffre di una significativa variabilità inter- e intra-osservatore.
• Sfida Tecnica: Le soluzioni esistenti di patologia computazionale spesso si basano su annotazioni dense a livello di regione o di cellula, che sono costose da generare e difficili da standardizzare tra diverse istituzioni.
• Obiettivo Specifico: Sviluppare un sistema di valutazione automatizzato e robusto che operi sotto supervisione debole (utilizzando solo etichette a livello di caso o di vetrino) su dataset multicentrici con protocolli di colorazione eterogenei, tipi di scanner e popolazioni di pazienti diversi.

2. Metodologia

Gli autori propongono una pipeline di Apprendimento Multi-Istanza (MIL) a Supervisione Debole adattata per le Immagini di Vetrino Intero (WSI).

A. Preparazione dei Dati

• Dataset: Raccolta retrospettiva di biopsie coliche colorate con H&E provenienti da tre istituzioni ceche (IKEM, TUH, KNL) dal 2019 al 2025.
• Etichette: Erano disponibili solo i gradi NHI a livello di vetrino/caso (0–4). Non sono state utilizzate annotazioni a livello di regione.
• Preprocessing:
  • Rilevamento del tessuto e controllo di qualità (rimozione di sfocature/artefatti).
  • Tiling: I vetrini sono suddivisi in tasselli a tre risoluzioni (T0, T1, T2).
  • Divisione dei Dati: Divisione a livello di caso per garantire che non vi sia dispersione di dati dei pazienti tra i set di addestramento, test preliminare e test finale.

B. Architettura del Modello

La pipeline utilizza un approccio basato su Modelli Fondamentali combinato con una strategia MIL specializzata:

1. Encoder di Modelli Fondamentali: Encoder visivi pre-addestrati e congelati (UNI2-h, Prov-GigaPath, Virchow2) estraggono gli embedding dei tasselli ($h_i$).
2. Modelli di Inferenza Specializzati: Invece di un singolo modello monolitico, vengono addestrati tre distinti modelli MIL per specifici sottocompiti diagnostici:
   • Modello Attività Neutrofila: Classificazione binaria (Bassa vs. Alta attività).
   • Modello Nancy-Basso: Classificazione multiclasse per i gradi {0, 1, Alto}.
   • Modello Nancy-Alto: Classificazione multiclasse per i gradi {Basso, 2, 3, 4}.
3. Aggregazione Basata sull'Attenzione (Variante Istanza-Prima):
   • L'MIL standard aggrega prima gli embedding e poi classifica.
   • Variante di questo documento: Applica un classificatore specifico per il compito ($c_\psi$) a ogni embedding di tassello per generare logit a livello di tassello ($s_i$).
   • Questi logit dei tasselli vengono poi raggruppati utilizzando pesi di attenzione ($a_i$) per generare logit a livello di vetrino: $s = \sum a_i s_i$.
   • Questo approccio "istanza-prima" consente una valutazione diretta a livello di tassello e una migliore interpretabilità.

C. Post-Processing e Ensemble

• Strategia Ensemble: Durante l'inferenza, i tre modelli votano per determinare il gruppo di attività (Basso vs. Alto).
• Predizione Finale: Il punteggio NHI finale a 5 gradi è derivato selezionando il modello specialista appropriato (Basso o Alto) e prendendo l'argmax sulle sue specifiche classi di grado, ignorando la classe del gruppo "altro".

3. Contributi Chiave

1. Framework di Supervisione Debole: Affronta con successo la previsione NHI utilizzando solo etichette grezze a livello di vetrino, eliminando la necessità di costose annotazioni dense.
2. Architettura MIL Specializzata: Introduce un "gating gerarchico" tramite un ensemble di modelli specifici per il compito (Neutrofila, Basso, Alto) piuttosto che un singolo classificatore piatto, migliorando le prestazioni su specifici endpoint clinici.
3. Integrazione di Modelli Fondamentali: Dimostra l'efficacia dei moderni modelli fondamentali di patologia (in particolare Virchow2) nella gestione dell'eterogeneità multicentrica.
4. Validazione Multicentrica: Valutazione rigorosa su tre istituzioni distinte con protocolli variabili, dimostrando robustezza allo spostamento di dominio.
5. Interpretabilità: Utilizza pesi di attenzione e classificazione istanza-prima per visualizzare specifiche regioni tissutali (ad esempio, criptite, ascessi) che guidano la decisione.

4. Risultati

Il modello è stato valutato su un set di test finale comprendente dati da tutti e tre i centri.

• Metriche di Prestazione:
  • $\kappa$ di Cohen ponderato: 0,85 (confrontato con il $\kappa$ di riferimento di PathAI di 0,91).
  • Correlazione di Spearman ($\rho$): 0,85 (confrontato con 0,89 di PathAI).
  • Le prestazioni sono comparabili a sistemi di riferimento forti nonostante l'uso di sola supervisione debole.
• Studi di Ablazione:
  • Scelta dell'Encoder: Virchow2 ha fornito i guadagni più consistenti. L'uso di una risoluzione inferiore (T2) con Virchow2 ha migliorato l'accuratezza per i compiti Neutrofila e Nancy-Basso, riducendo al contempo il tempo di calcolo di circa 10 volte.
  • Ensemble vs. Gating Gerarchico: L'approccio ensemble proposto ($\kappa$ ponderato = 0,89) ha superato una baseline di gating gerarchico rigoroso ($\kappa$ ponderato = 0,87), suggerendo che visioni indipendenti specifiche per il compito producono decisioni più robuste.
  • Rilevamento Neutrofilo: Il modello neutrofilo appreso ha superato significativamente un rilevatore neutrofilo pre-addestrato esterno (Precisione: 0,91 vs 0,74).
• Interpretabilità: Le mappe di calore dell'attenzione hanno evidenziato con successo caratteristiche biologicamente rilevanti come la criptite neutrofila, gli ascessi criptici e le lesioni dell'epitelio superficiale.

5. Significato e Conclusione

• Impatto Clinico: Questo lavoro dimostra che l'MIL a supervisione debole con modelli fondamentali può fornire una valutazione istologica robusta e interpretabile in contesti multicentrici reali ed eterogenei.
• Efficienza: Affidandosi a etichette a livello di vetrino, l'approccio riduce drasticamente il carico di annotazione per i patologi, rendendo fattibile il dispiegamento su larga scala.
• Supporto Decisionale: Il sistema funge da valido strumento di supporto decisionale che può standardizzare la classificazione tra i centri e ridurre la variabilità inter-osservatore, in particolare per distinguere tra casi inattivi (NHI 0) e altamente attivi (NHI 4).
• Direzione Futura: Lo studio convalida il potenziale di "modelli fondamentali + supervisione debole" come paradigma standard per la patologia computazionale in ambienti clinici complessi e reali.