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

기술 요약: 생물학적 공간적 사전 지식이 대장암의 교차 부위 MSI 일반화를 위한 기초 모델 표현을 정규화함

문제 제기
일상적인 헤마톡실린-에오신 (H&E) 전체 슬라이드 이미지 (WSI) 에서 미세부위 불안정성 (MSI) 상태를 예측하는 것은 분자 검사의 잠재적 대안을 제공한다. 그러나 한 기관의 데이터로 훈련된 모델은 스캐너, 염색 프로토콜, 획득 조건의 차이로 인해 다른 부위에서 획득한 슬라이드로 일반화되는 데 종종 실패한다. 기초 모델 (예: UNI, Virchow) 은 견고한 타일 수준 특징을 제공하지만, 훈련 중 라벨과 허위 상관관계를 일으킬 수 있는 부위 특이적 질감과 색상 통계를 여전히 인코딩한다. 이러한 비생물학적 영상 신호에 대한 의존성은 모델이 외부 코호트에 적용될 때 특이도를 저하시키며, 위양성으로 인해 환자가 면역요법으로 잘못 유도될 수 있는 임상적 배포에 있어 치명적인 문제이다.

방법론
저자들은 기초 모델 표현을 정규화하기 위해 다중 인스턴스 학습 (MIL) 프레임워크에 생물학적으로 동기화된 공간적 사전 지식을 주입하는 것을 제안한다. 핵심 가설은 잘 알려진 공간 생물학, 특히 MSI-H 종양의 특징인 '크론병 유사' 말초 림프구 반응을 명시적으로 인코딩함으로써, 부위 특이적 영상 아티팩트 대신 부위 불변의 생물학적 특징에 주의를 기울이도록 유도할 수 있다는 것이다.

두 가지 보완적인 공간적 사전 지식이 도입되어 TransMIL 집계기 (aggregator) 의 자기 어텐션 메커니즘 전에 타일 특징 벡터에 추가된다:

1. 말초 거리 (PD) 인코딩: 슬라이드 경계로부터의 타일 근접성을 나타내는 스칼라 값이다. 이는 크론병 유사 림프구 침윤이 집중되는 종양 침습 가장자리의 기하학적 대리 변수로 작용한다. 슬라이드 가장자리까지의 정규화된 거리를 기반으로 계산된다 ($d_{periph} = 1 - 2 \times \min(d_L, d_R, d_T, d_B)$).
2. 국소 면역 이웃 (LIN) 인코딩: 타일의 공간적 이웃 내 림프구 대 종양 비율을 나타내는 스칼라 값이다. 이는 주변 타일에서 조직 클래스 확률 (림프구 대 종양) 을 추정하기 위해 NCT-CRC-HE-100K 데이터셋으로 훈련된 선형 프로브 (linear probe) 에서 유도된다.

본 연구는 두 가지 기초 모델 (UNI2-h 및 Virchow2) 과 세 가지 MIL 집계기 (ABMIL, CLAM-SB, TransMIL) 를 결합한 여섯 가지 구성을 평가한다. 주요 실험 설정은 TCGA-COAD 코호트 (137 개 슬라이드) 로 훈련하고 재훈련이나 하이퍼파라미터 조정 없이 외부 TCGA-READ 코호트 (50 개 슬라이드) 에서 평가하는 것이다.

주요 기여

• 생물학적으로 근거된 정규화: 본 논문은 종양 가장자리 근접성과 국소 면역 환경과 같은 도메인 특이적 공간 지식을 기초 모델의 어텐션 메커니즘에 직접 통합하여 부위 특이적 과적합에 대한 정규화제로 작용하는 방법을 제시한다.
• 기하학적 대 특징 기반 사전 지식: 모든 공간적 위치를 동일하게 취급하는 일반적 위치 인코딩과 특정 질병 표현형을 인코딩하는 생물학적으로 근거된 사전 지식 사이의 차이를 구분한다.
• 인코더 무관한 개선: Peripheral Distance 사전 지식이 서로 다른 기초 모델 (UNI2-h 및 Virchow2) 에서 성능을 향상시킨다는 것을 보여줌으로써, 이 신호가 이러한 모델들이 추출한 의미론적 특징과 보완적임을 시사한다.

실험 결과

• 기선 성능: 참조 구성 중 UNI2-h 와 TransMIL 의 조합이 내부 및 교차 부위 성능의 가장 균형을 잘 이루었다 (TCGA-COAD MSI AUC: 0.957 ± 0.013; TCGA-READ MSS 특이도: 0.939).
• 말초 거리 (PD) 의 영향:
  • UNI2-h + TransMIL + PD: 내부 COAD MSI AUC 를 0.959 ± 0.012 로 달성했으며, 외부 TCGA-READ 코호트에서 완벽한 1.000 MSS 특이도를 기록했다 (49 개의 MSS 사례에서 위양성 0 개).
  • Virchow2 + TransMIL + PD: COAD AUC 를 0.915 에서 0.941 로, READ 특이도를 0.878 에서 0.959 로 향상시켰다.
• 국소 면역 이웃 (LIN) 의 영향:
  • UNI2-h 의 경우, LIN 은 기선 이상의 교차 부위 특이도를 향상시키지 못했는데, 이는 UNI2-h 특징이 이미 림프구 함량을 충분히 포착하고 있기 때문으로 보인다.
  • Virchow2 의 경우, LIN 은 READ 특이도를 0.959 로 향상시켰으나 내부 COAD AUC 를 감소시켰다 (0.915 에서 0.905 로), 이는 교차 부위 안정성을 위해 내부 변별력을 희생하는 정규화제로 작용함을 시사한다.
• 어텐션 맵 분석: 어텐션 맵의 시각적 검토 결과, PD 사전 지식이 모델의 초점을 질적으로 변화시켰음이 확인되었다. MSI-H 슬라이드에서는 어텐션이 조직 경계 (침습 가장자리와 일치) 에 집중된 반면, MSS 슬라이드에서는 사전 지식이 조직 내부의 허위 고어텐션 반응을 억제했다.

의의 및 주장
본 논문은 생물학적으로 근거된 공간적 사전 지식이 모델이 부위 특이적 영상 패턴에 의존하는 것을 줄이는 효과적인 정규화제로 작용한다고 주장한다. 종양 침습 가장자리의 구조적 속성 (말초 거리를 통해) 을 인코딩함으로써, 모델은 훈련 세트에서 부위 특이적 질감이 우연히 정보적일 수 있는 영역이 아니라 MSI 신호가 집중된 해부학적으로 안정적인 영역에 주의를 기울이도록 유도된다.

저자들은 교차 부위 특이도의 향상 (특히 외부 코호트에서 위양성의 제거) 이 면역요법 적합성 선별에 있어 임상적으로 중요하다고 강조한다. 그들은 이 접근 방식이 추가적인 타일 수준 주석이나 아키텍처 복잡성 없이 임상적으로 검증된 공간 생물학을 활용함으로써 더 부위 불변적인 WSI 표현을 위한 실용적인 경로를 제공한다고 주장한다. 연구는 2 차 분류기로 유도된 특징 기반 사전 지식보다 타일 좌표에서 직접 유도된 기하학적 사전 지식이 더 안정적이고 일반화 가능할 수 있다고 결론지었다.

한계점
저자들은 몇 가지 제약을 지적한다: 훈련 코호트 (TCGA-COAD) 가 상대적으로 작다 (137 개 슬라이드, 23 개 MSI-H), 이는 교차 검증 추정의 안정성을 제한한다; 외부 코호트 (TCGA-READ) 는 MSI-H 사례가 1 건만 포함되어 있어 외부 세트에서의 민감도 평가를 방해한다; 그리고 말초 거리는 침습 가장자리에 대한 거친 대리 변수이므로 전용 분할을 통해 정교화될 수 있다. 또한, 결과는 TCGA 프레임워크 밖의 완전히 독립적인 기관 코호트에서 아직 검증되지 않았다.