Biological Spatial Priors Regularize Foundation Model Representations for Cross-Site MSI Generalization in Colorectal Cancer

Riassunto Tecnico: Priors Spaziali Biologici Regolarizzano le Rappresentazioni dei Modelli Fondamentali per la Generalizzazione Cross-Sito della MSI nel Cancro del Colon-Retto

Enunciato del Problema
La previsione dello stato di instabilità dei microsatelliti (MSI) dalle immagini digitali intere (WSI) routine colorate con ematossilina ed eosina (H&E) offre una potenziale alternativa ai test molecolari. Tuttavia, i modelli addestrati su dati provenienti da una singola istituzione spesso non riescono a generalizzare su vetrini acquisiti in siti diversi a causa di variazioni negli scanner, nei protocolli di colorazione e nelle condizioni di acquisizione. Sebbene i modelli fondamentali (ad es. UNI, Virchow) forniscano caratteristiche robuste a livello di tassello, essi codificano ancora statistiche di texture e colore specifiche del sito che possono correlarsi spuriamante con le etichette durante l'addestramento. Questa dipendenza da segnali di imaging non biologici porta a una ridotta specificità quando i modelli vengono applicati a coorti esterne, un problema critico per il dispiegamento clinico in cui i falsi positivi potrebbero indirizzare erroneamente i pazienti verso l'immunoterapia.

Metodologia
Gli autori propongono di iniettare priors spaziali motivati biologicamente nei framework di Multiple Instance Learning (MIL) per regolarizzare le rappresentazioni dei modelli fondamentali. L'ipotesi di fondo è che codificare esplicitamente la biologia spaziale nota – in particolare la reazione linfocitaria periferica di tipo "simile al Morbo di Crohn" caratteristica dei tumori MSI-H – possa orientare l'attenzione verso caratteristiche biologiche invarianti rispetto al sito, piuttosto che verso artefatti di imaging specifici del sito.

Vengono introdotti due priors spaziali complementari e aggiunti ai vettori di caratteristiche dei tasselli prima del meccanismo di auto-attenzione in un aggregatore TransMIL:

1. Codifica della Distanza Periferica (PD): Un valore scalare che rappresenta la prossimità di un tassello al bordo del vetrino. Questo funge da proxy geometrico per il margine invasivo del tumore, dove è concentrato l'infiltrato linfocitario di tipo "simile al Morbo di Crohn". Viene calcolato sulla base delle distanze normalizzate dai bordi del vetrino ($d_{periph} = 1 - 2 \times \min(d_L, d_R, d_T, d_B)$).
2. Codifica del Vicinato Immunitario Locale (LIN): Uno scalare che rappresenta il rapporto locale linfociti-tumore all'interno del vicinato spaziale di un tassello. Questo è derivato da una sonda lineare addestrata sul dataset NCT-CRC-HE-100K per stimare le probabilità di classe tissutale (linfocita vs tumore) nei tasselli circostanti.

Lo studio valuta sei configurazioni che combinano due modelli fondamentali (UNI2-h e Virchow2) con tre aggregatori MIL (ABMIL, CLAM-SB, TransMIL). La configurazione sperimentale principale prevede l'addestramento sulla coorte TCGA-COAD (137 vetrini) e la valutazione sulla coorte esterna TCGA-READ (50 vetrini) senza re-addestramento o aggiustamento degli iperparametri.

Contributi Chiave

• Regolarizzazione Basata sulla Biologia: Il documento introduce un metodo per integrare conoscenze spaziali specifiche del dominio (prossimità al margine tumorale e contesto immunitario locale) direttamente nel meccanismo di attenzione dei modelli fondamentali, agendo come regolarizzatore contro l'overfitting specifico del sito.
• Priors Geometrici vs. Basati sulle Caratteristiche: Il lavoro distingue tra codifiche posizionali generiche (che trattano tutte le posizioni spaziali in modo uguale) e priors basati sulla biologia che codificano fenotipi specifici della malattia.
• Miglioramento Agnostico rispetto all'Encoder: Lo studio dimostra che il prior della Distanza Periferica migliora le prestazioni su diversi modelli fondamentali (UNI2-h e Virchow2), suggerendo che il segnale è complementare alle caratteristiche semantiche estratte da questi modelli.

Risultati Sperimentali

• Prestazioni di Base: Tra le configurazioni di riferimento, UNI2-h combinato con TransMIL ha raggiunto il miglior equilibrio tra prestazioni interne e cross-sito (AUC MSI TCGA-COAD: 0,957 ± 0,013; Specificità MSS TCGA-READ: 0,939).
• Impatto della Distanza Periferica (PD):
  • UNI2-h + TransMIL + PD: Ha raggiunto un AUC MSI COAD interno di 0,959 ± 0,012 e una specificità MSS perfetta di 1,000 sulla coorte esterna TCGA-READ (zero falsi positivi su 49 casi MSS).
  • Virchow2 + TransMIL + PD: Ha migliorato l'AUC COAD da 0,915 a 0,941 e la specificità READ da 0,878 a 0,959.
• Impatto del Vicinato Immunitario Locale (LIN):
  • Con UNI2-h, LIN non ha migliorato la specificità cross-sito oltre la baseline, probabilmente perché le caratteristiche di UNI2-h catturano già sufficientemente il contenuto di linfociti.
  • Con Virchow2, LIN ha migliorato la specificità READ a 0,959 ma ha ridotto l'AUC COAD interno (da 0,915 a 0,905), suggerendo che agisce come regolarizzatore che scambia il potere discriminativo interno per stabilità cross-sito.
• Analisi delle Mappe di Attenzione: L'ispezione visiva delle mappe di attenzione ha rivelato che il prior PD ha spostato qualitativamente il focus del modello. Nei vetrini MSI-H, l'attenzione si è concentrata sul confine tissutale (coerente con il margine invasivo), mentre nei vetrini MSS il prior ha soppresso risposte spurie ad alta attenzione all'interno del tessuto.

Significato e Affermazioni
Il documento afferma che i priors spaziali basati sulla biologia funzionano come regolarizzatori efficaci che riducono la dipendenza del modello da pattern di imaging specifici del sito. Codificando la proprietà strutturale del margine invasivo del tumore (tramite la distanza periferica), il modello è guidato ad attendere regioni anatomicamente stabili dove il segnale MSI è concentrato, piuttosto che regioni in cui la texture specifica del sito risulta essere informativa nel set di addestramento.

Gli autori sottolineano che il miglioramento della specificità cross-sito (in particolare l'eliminazione dei falsi positivi nella coorte esterna) è clinicamente significativo per lo screening di eleggibilità all'immunoterapia. Sostengono che questo approccio offre una via pratica verso rappresentazioni WSI più invarianti rispetto al sito, sfruttando la biologia spaziale clinicamente validata senza richiedere ulteriori annotazioni a livello di tassello o complessità architetturale. Lo studio conclude che i priors geometrici derivati direttamente dalle coordinate dei tasselli possono essere più stabili e generalizzabili rispetto ai priors basati sulle caratteristiche derivati da classificatori secondari, che potrebbero essi stessi trasportare variazioni specifiche del sito.

Limitazioni
Gli autori notano diversi vincoli: la coorte di addestramento (TCGA-COAD) è relativamente piccola (137 vetrini, 23 MSI-H), limitando la stabilità delle stime di validazione incrociata; la coorte esterna (TCGA-READ) contiene un solo caso MSI-H, impedendo la valutazione della sensibilità sul set esterno; e la distanza periferica è un proxy grezzo per il margine invasivo, che potrebbe potenzialmente essere raffinato con una segmentazione dedicata. Inoltre, i risultati non sono ancora stati validati su coorti istituzionali completamente indipendenti al di fuori del framework TCGA.