Towards Label-Free Single-Cell Phenotyping Using Multi-Task Learning

Sintesi Tecnica: Verso la Fenotipizzazione di Singola Cellula Senza Marcatori Utilizzando l'Apprendimento Multi-Compito

Enunciato del Problema
La caratterizzazione accurata dei Globuli Bianchi (WBC) è fondamentale per la diagnosi di disregolazione immunitaria, infezioni e neoplasie ematologiche. I flussi di lavoro convenzionali si basano sulla citometria a flusso basata sulla fluorescenza o su strisci colorati manualmente, che presentano limitazioni tra cui la necessità di strumenti specializzati, la marcatura con fluorofori, l'intensità di lavoro e la soggettività. Sebbene le modalità ottiche senza marcatori, come l'imaging a contrasto di fase differenziale (DPC), offrano un'alternativa scalabile e non invasiva, l'inferenza di fenotipi molecolari direttamente dalla morfologia in campo chiaro rimane una sfida. Gli approcci di deep learning esistenti trattano prevalentemente l'analisi dei WBC come un problema di classificazione discreta, trascurando lo spettro continuo dei livelli di espressione proteica. Inoltre, la natura "scatola nera" delle reti neurali profonde ostacola l'adozione clinica mancando di un ragionamento biologico interpretabile. Questo lavoro affronta la difficoltà di prevedere sia i tipi cellulari discreti sia i livelli continui di espressione proteica direttamente dalle immagini DPC senza marcatori a singola cellula, un compito complicato da segnali morfologici sottili e scarsamente distribuiti che vengono facilmente attenuati dal pooling convoluzionale standard.

Metodologia
Gli autori propongono un framework unificato di Deep Learning (DL) che esegue congiuntamente la classificazione dei WBC e la regressione continua dell'espressione proteica da immagini DPC multicanale. L'architettura è composta da tre componenti principali:

1. Codificatore Ibrido a Doppio Ramo: Il modello fonde rappresentazioni locali e globali per catturare segnali morfologici complementari.

   • Ramo CNN: Utilizza un tronco seguito da moduli in stile Inception con connessioni residue per estrarre caratteristiche di texture locali fini (ad esempio, contorni della membrana, texture nucleare, granuli). Elabora l'input in token spaziali.
   • Ramo ViT: Impiega un Vision Transformer (ViT) compatto per modellare le dipendenze spaziali globali tramite self-attention, catturando segnali strutturali a lungo raggio come la forma complessiva della cellula o la polarizzazione che i kernel convoluzionali potrebbero perdere.
   • Fusione Cross-Modale: Un meccanismo di fusione apprendibile unifica le rappresentazioni eterogenee dai rami CNN e ViT. Estrae caratteristiche globali da entrambi i rami, le proietta in uno spazio condiviso e le combina utilizzando pesi apprendibili normalizzati tramite softmax per garantire un'analisi interpretabile del contributo.

2. Meccanismo di Gate Adattivo al Compito: Per mitigare il trasferimento negativo tra compiti con dinamiche di gradiente conflittuali, il framework impiega un meccanismo di gate. Questo modulo modula dinamicamente la condivisione delle caratteristiche tra i percorsi di classificazione e regressione. Genera gate soft tramite livelli lineari attivati da sigmoide per determinare l'equilibrio tra la preservazione delle caratteristiche specifiche del compito e l'integrazione di informazioni miste dall'altro compito, permettendo al modello di apprendere dipendenze intrinseche (ad esempio, la classificazione delle cellule T che correla con l'espressione di CD3) senza supervisione esplicita.

3. Teste di Previsione Multi-Compito: La rappresentazione fusa condivisa viene raffinata attraverso percorsi specifici per il compito (MLP con connessioni residue, normalizzazione batch e dropout) prima di essere passata a teste separate:

   • Una testa di classificazione output le probabilità della classe WBC utilizzando un MLP a tre livelli con alto dropout (0,4) per la regolarizzazione.
   • Una testa di regressione output valori continui per quattro marcatori proteici (CD45, CD3, CD19, CD14) senza una funzione di attivazione finale per permettere previsioni continue illimitate.

4. Interpretabilità Guidata da LLM: Per aumentare la trasparenza, un Large Language Model (Gemini 1.5 Pro) è integrato a posteriori. Converte le previsioni quantitative in riepiloghi testuali concisi e fondati biologicamente. La generazione è vincolata tramite prompt basati su modelli per prevenire allucinazioni, assicurando che gli output siano strettamente fattuali e derivati esclusivamente dalle previsioni del modello.

Funzione di Perdita
Il modello è addestrato utilizzando un obiettivo multi-compito ponderato:

• Perdita di Classificazione ($L_{cls}$): Focal loss con pesi di classe per gestire lo squilibrio e sopprimere i campioni ben classificati.
• Perdita di Regressione ($L_{reg}$): Una combinazione di perdita Smooth L1 (per stabilità rispetto ai valori anomali) e un termine di allineamento della correlazione di Pearson (per preservare l'ordinamento relativo delle intensità dei marcatori).
• Perdita Ausiliaria ($L_{aux}$): Regolarizza le rappresentazioni fuse intermedie per imporre la coerenza a livello di caratteristiche tra percorsi condivisi e specifici per il compito.

Risultati Sperimentali
Il framework è stato valutato sul dataset Berkeley Single Cell Computational Microscopy (BSCCM) e sul dataset Blood Cells Image (BCCD).

• Prestazioni di Classificazione: Sulla partizione di test BSCCM, il modello proposto ha raggiunto un'accuratezza del 91,3%, superando basi solide tra cui VGG (88,3%), AttentionCNN (89,6%) e ResNet (86,2%). Sul dataset BCCD (campo chiaro convenzionale), ha raggiunto un punteggio F1 macro-medio di 0,933, dimostrando una generalizzazione riuscita.
• Prestazioni di Regressione: Per la regressione dell'espressione proteica su BSCCM, il modello ha raggiunto una correlazione di Pearson di 0,7263, con un RMSE di 0,6801 e un MAE di 0,4416. Questo ha superato tutte le basi a compito singolo e a backbones singoli (ad esempio, DenseNet ha raggiunto r=0,7246).
• Analisi per Marcatore: Le prestazioni variavano in base al marcatore. I marcatori specifici di lignaggio con forti correlati morfologici (ad esempio, CD16, r=0,819; CD45, r=0,799) sono stati previsti con alta accuratezza. Al contrario, i marcatori che riflettono stati di attivazione transitori (ad esempio, CD123/HLA-DR/CD14) hanno mostrato una correlazione inferiore (r=0,339), indicando che la morfologia senza marcatori non può sostituire completamente i saggi molecolari per gli stati funzionali dinamici.
• Studi di Ablazione: La rimozione del ramo ViT ha ridotto l'accuratezza dell'1,58% e la correlazione di regressione di 0,0335. La rimozione del ramo CNN ha causato un degrado maggiore, confermando la necessità dell'estrazione di texture locali. Le varianti a compito singolo hanno performato peggio del modello multi-compito, validando che l'ottimizzazione congiunta agisce come regolarizzatore e affina le rappresentazioni delle caratteristiche.

Contributi Chiave

1. Framework Unificato Multi-Compito: Un approccio innovativo che prevede congiuntamente la classe WBC e i livelli di espressione proteica da immagini DPC senza marcatori, eliminando la necessità di colorazione chimica.
2. Architettura Ibrida: Un codificatore a doppio ramo che combina caratteristiche di texture convoluzionali multi-scala con rappresentazioni globali basate su transformer tramite un livello di fusione apprendibile.
3. Gate Adattivo al Compito: Un meccanismo che bilancia le informazioni condivise e specifiche per il compito, migliorando sia l'accuratezza di classificazione sia quella di regressione gestendo le dinamiche del gradiente.
4. Integrazione dell'Interpretabilità: L'incorporazione di un modulo LLM vincolato per generare riepiloghi fondati biologicamente, avanzando la trasparenza del modello oltre la standard visualizzazione dell'attenzione.

Significato e Affermazioni
Il documento afferma di essere uno dei primi lavori a regressare congiuntamente l'espressione proteica a livello di marcatore e a classificare il fenotipo WBC dalla microscopia DPC senza marcatori. I risultati sottolineano la promessa dell'imaging di singola cellula senza marcatori per il profilo ematologico economicamente vantaggioso, consentendo l'identificazione simultanea del fenotipo e la stima quantitativa dei biomarcatori senza colorazione fluorescente. Gli autori affermano che il loro approccio dimostra la fattibilità del recupero di fenotipi funzionali da morfologia non colorata. Tuttavia, notano modestamente le limitazioni: il modello si avvicina a un limite di prestazioni per i tipi cellulari con alta ambiguità morfologica (ad esempio, monociti contro linfociti) e non può sostituire completamente i saggi molecolari per prevedere stati di attivazione dinamici che mancano di firme morfologiche stabili. Il lavoro evidenzia il potenziale dell'accoppiamento della previsione strutturata con la generazione linguistica controllata per l'ematologia computazionale interpretabile.