Adaptive Prototype-based Interpretable Grading of Prostate Cancer

Dit artikel presenteert een nieuw, interpreteerbaar, op prototypes gebaseerd zwak-toezichtend framework voor het automatisch graden van prostaatkanker uit histopathologische beelden, dat door het nabootsen van het pathologisch vergelijkingsproces en het gebruik van dynamische aandachtmechanismen zowel hoge prestaties als vertrouwen biedt voor klinische toepassingen.

De kern

Stel je voor dat een patholoog (een arts die weefsel onder de microscoop bekijkt) als een detective werkt. Zijn taak is om prostaatkanker te herkennen en in te delen in ernstige graden (van 3 tot 5, waarbij 5 het ergste is). Normaal gesproken moet hij duizenden kleine stukjes van een weefselmonster (een "slide") bekijken. Dit is vermoeiend, tijdrovend en soms kijken twee artsen naar hetzelfde plaatje en komen ze tot een ander oordeel.

De auteurs van dit paper hebben een slimme computerprogramma bedacht dat deze detective helpt. Maar hier is het grote probleem: de meeste moderne computerprogramma's (die "Deep Learning" heten) zijn als een zwarte doos. Ze zeggen: "Dit is kanker," maar ze kunnen niet uitleggen waarom. Ze vertrouwen op patronen die voor een mens onzichtbaar zijn, zoals een vlekje op het glas of de kleur van de rand. Dat is gevaarlijk in de geneeskunde.

Dit nieuwe programma, genaamd ADAPT, is anders. Het is als een slimme leerling die niet zomaar gissen doet, maar vergelijkt.

Hier is hoe het werkt, in drie simpele stappen:

Stap 1: Het aanleren van de "Voorbeelden" (De Prototypen)

Stel je voor dat je een kind leert om verschillende soorten appels te herkennen. Je laat het kind niet duizenden willekeurige foto's zien, maar je geeft het eerst drie specifieke, perfecte voorbeelden:

1. Een perfecte rode appel (Goed).
2. Een appel met een klein bruin plekje (Matig).
3. Een appel die helemaal rot is (Slecht).

In dit programma leert de computer eerst deze "perfecte voorbeelden" (die ze prototypen noemen) te herkennen aan de hand van kleine stukjes weefsel. De computer leert precies hoe een "Goede" kanker eruitziet, hoe een "Matige" eruitziet, enzovoort. Het is alsof de computer een album met voorbeelden maakt voordat hij de echte diagnose moet stellen.

Stap 2: Het kijken naar het hele plaatje (De Samenvatting)

Nu komt de echte test. De patholoog krijgt niet één klein stukje, maar een heel groot weefselmonster (een Whole Slide Image). Dit monster is vaak een rommeltje: hier een stukje goed weefsel, daar een stukje kanker, en weer verder een ander stukje.

Een simpele computer zou vergeten wat belangrijk is. Maar dit programma is slim. Het kijkt naar alle kleine stukjes in het grote monster en zegt: "Oké, dit stukje lijkt op mijn 'Rotte Appel'-voorbeeld, en dat stukje daar op mijn 'Matige Appel'-voorbeeld."

Maar hier is de truc: soms ziet de computer dingen die erop lijken, maar dat is een valstrik (bijvoorbeeld een vlekje dat eruitziet als kanker, maar dat niet is). Het programma heeft een nieuwe manier bedacht om te controleren of de "rotte appels" echt rot zijn, of dat het maar een schaduwtje is. Het corrigeert zichzelf door te zeggen: "Wacht, dit stukje lijkt op kanker, maar het hoort eigenlijk niet bij de echte kanker-voorbeelden. Laten we dat negeren."

Stap 3: De "Slimme Filter" (Dynamisch Snoeien)

Dit is het meest creatieve deel. Stel je voor dat de computer in zijn album met voorbeelden 100 plaatjes heeft. Maar eigenlijk zijn er maar 5 plaatjes die echt belangrijk zijn. De andere 95 zijn nutteloos of verwarrend (bijvoorbeeld een foto van een blad of een vlekje).

Als de computer al die 100 plaatjes tegelijk gebruikt, raakt hij in de war. Daarom heeft dit programma een dynamische filter (een "snoeimechanisme").

• Als het programma naar een nieuw monster kijkt, kijkt het eerst: "Welke van mijn 100 voorbeelden zijn nu echt relevant?"
• Het zet de onbelangrijke voorbeelden (de 95 nutteloze) op stil (ze krijgen een '0' als gewicht).
• Het zet de 5 belangrijke voorbeelden op 'hard' (ze krijgen een '1').

Dit betekent dat de computer zijn beslissing alleen baseert op de voorbeelden die nu echt relevant zijn. Het is alsof een detective alleen naar de bewijsstukken kijkt die direct bij de zaak horen, en de rest in een la stopt.

Waarom is dit zo geweldig?

1. Vertrouwen: Omdat de computer kan laten zien: "Ik heb deze diagnose gesteld omdat dit stukje weefsel er precies zo uitziet als mijn voorbeeld van 'Rotte Appel' (Grade 5)," kan de menselijke arts het begrijpen. Het is geen magie meer; het is logisch vergelijken.
2. Geen fouten door afleiding: De computer leert om niet te kijken naar vlekjes of achtergrondruis, maar alleen naar de echte kankerpatronen.
3. Werkt overal: Het programma is getest op twee verschillende ziekenhuis-databases en werkt daar even goed. Het heeft niet geleerd om de specifieke kleuren van één ziekenhuis te herkennen, maar de echte ziekte.

Kortom:
In plaats van een computer die raadt als een zwarte doos, hebben de auteurs een computer gebouwd die werkt als een ervaren arts die een fotoboek met voorbeelden bij zich heeft. Hij vergelijkt het nieuwe monster met die voorbeelden, negeert de afleiding, en kan precies uitleggen waarom hij tot zijn conclusie komt. Dit maakt de diagnose sneller, betrouwbaarder en, het allerbelangrijkste, begrijpelijk voor de mens.

Technische samenvatting

Probleemstelling

Prostaatkanker is een veelvoorkomende maligniteit bij mannen, waarbij de diagnose en grading (indeling) afhankelijk zijn van pathologen die biopsieën analyseren volgens het Gleason-graderingssysteem. Dit proces is echter tijdrovend, subjectief en vatbaar voor variatie tussen verschillende waarnemers. Hoewel Deep Learning (DL) en Convolutional Neural Networks (CNN's) prestatieverbeteringen hebben gebracht, zijn deze modellen vaak "black boxes" met beperkte interpreteerbaarheid.

In de klinische praktijk is transparantie cruciaal. Bestaande interpretatiemethoden (zoals post-hoc technieken of aandachtkaarten) tonen vaak aan waar het model kijkt, maar niet waarom die regio's belangrijk zijn of welke visuele patronen het gebruikt. Bovendien zijn bestaande prototype-gebaseerde modellen moeilijk toe te passen op Whole Slide Images (WSI) van prostaatkanker vanwege:

1. Zwakke supervisie: WSI's zijn te groot om end-to-end te trainen; ze worden vaak behandeld als een "zak" (bag) van kleinere patches (Multiple Instance Learning - MIL), wat een domeinverschuiving tussen patch- en slide-niveau veroorzaakt.
2. Heterogeniteit: Een enkele WSI kan meerdere kankervormen bevatten.
3. Rigiditeit: Bestaande pruning-mechanismen zijn statisch en kunnen niet dynamisch omgaan met de variabiliteit tussen verschillende slides, wat essentieel is in de medische beeldvorming.

Methodologie: Het ADAPT-framework

De auteurs stellen een nieuw framework voor: ADAPT (Attention Driven Adaptive Prototype Thresholding). Dit is een prototype-gebaseerd, zwak-toegevoerd systeem dat bestaat uit drie fasen om interpreteerbare grading te realiseren.

Fase 1: Pre-training op patch-niveau

Het doel is het leren van robuuste, prototypische kenmerken voor elke Gleason-graad (GG 3, 4, 5) en goedaardig weefsel.

• Architectuur: Een CNN-backbone (EfficientNet-B0) gevolgd door een prototypelaag en een volledig verbonden laag.
• Training: De patches worden getraind om de afstand tot specifieke prototypes te minimaliseren (clustering) en de afstand tot prototypes van andere klassen te maximaliseren (separatie).
• Doel: Dit zorgt voor een stabiele initialisatie waarbij de prototypes semantisch betekenisvolle morfologische patronen van het Gleason-systeem vertegenwoordigen.

Fase 2: Fine-tuning op WSI-niveau (MIL)

Het model wordt aangepast voor de classificatie van hele slides binnen een Multiple Instance Learning (MIL) kader.

• Aggregatie: Patch-predicties worden geaggregeerd tot een slide-niveau score door te middelen over de top-$j$ meest betrouwbare patches (in plaats van alle patches of alleen de maximale waarde).
• Nieuwe Loss-functie: Om de domeinverschuiving en aggregatiefouten aan te pakken, wordt een prototype-bewuste loss-functie gebruikt:
  • Positive Alignment Loss: Dwingt patches die een ware graad bevatten (maar die eerder werden gemist) dichter bij de juiste prototypes.
  • Negative Repulsion Loss: Duwt patches die ten onrechte een hoge activatie voor een verkeerde klasse tonen, weg van die prototypes om vals-positieven te onderdrukken.

Fase 3: Aandacht-gedreven dynamische prototype-pruning

Niet alle geleerde prototypes zijn even informatief; sommige kunnen ruis of achtergrondpatronen vastleggen.

• Dynamische Aandacht: Een leerbare aandachtslaag wordt toegevoegd die per patch weegt welke prototypes relevant zijn.
• Class-wise Discriminative Loss: Een nieuwe regularisatieterm die twee doelen nastreeft:
  1. Exclusiviteit: Een prototype moet voornamelijk actief zijn voor zijn eigen klasse en onderdrukt worden voor negatieve klassen.
  2. Sparsiteit: Alleen de meest relevante prototypes dragen bij aan de beslissing.
• Resultaat: Dit mechanisme elimineert dynamisch irrelevante prototypes en verhoogt de transparantie door te focussen op de meest diagnostisch waardevolle patronen.

Belangrijkste Bijdragen

1. Interpreteerbaarheid door Prototypes: In plaats van alleen te laten zien waar het model kijkt, toont het systeem welke klinisch gevalideerde voorbeelden (prototypes) worden gebruikt voor de beslissing. Dit nabootst de workflow van een patholoog.
2. Aanpassing aan MIL: Het framework lost het probleem van de domeinverschuiving op tussen patch- en slide-niveau door middel van specifieke loss-functies (alignement en repulsie).
3. Dynamische Pruning: In tegenstelling tot statische pruning, gebruikt ADAPT een aandachtmechanisme dat adaptief is per slide, waardoor het beter omgaat met inter-sample heterogeniteit.
4. Validatie: Uitgebreide validatie op twee onafhankelijke datasets (PANDA en SICAP) toont robuustheid en generalisatievermogen.

Resultaten

• Kwantitatieve Prestaties:
  • Het framework werd getest op de PANDA (Kaggle challenge) en SICAPv2 datasets.
  • Een ablatiestudie toonde aan dat elke fase (pre-training, fine-tuning, pruning) bijdraagt aan de prestaties. De combinatie van alle drie de fasen leverde de beste resultaten op.
  • De beste configuratie gebruikte 4 prototypes per klasse. Meer prototypes leidden tot redundantie en lagere prestaties.
  • Op de PANDA dataset werd een macro F1-score van ongeveer 0.83 bereikt met een Hamming loss van 0.17.
  • Het model behield sterke prestaties op de externe SICAP-dataset, wat bewijst dat het geleerde morfologische patronen generaliseert en niet overfit op dataset-specifieke artefacten.
• Kwalitatieve Analyse:
  • Visualisaties tonen dat prototypes met hoge aandachtsscores duidelijk overeenkomen met diagnostisch relevante structuren (bijv. goed gevormde klieren voor GG3, gefuseerde klieren voor GG4, solide platen voor GG5).
  • Prototypes met lage scores (vaak achtergrond of ruis) worden effectief onderdrukt door de aandachtslaag.
  • De "prototype-activatie-matrix" toont een duidelijke diagonale dominantie, wat betekent dat patches het sterkst reageren op prototypes van hun eigen klasse.

Betekenis en Conclusie

Het ADAPT-framework biedt een betrouwbare en interpreteerbare oplossing voor de automatisering van prostaatkanker-grading. Door de redeneerprocedure van het model transparant te maken (door vergelijking met klinisch gevalideerde voorbeelden), wordt het vertrouwen in AI-systemen in hoog-risico medische toepassingen vergroot. Het systeem fungeert niet als een vervanging, maar als een ondersteunend hulpmiddel dat pathologen helpt bij het nemen van beslissingen met een duidelijk inzicht in de onderliggende morfologische bewijzen. De dynamische aanpassing aan slide-heterogeniteit maakt het bijzonder geschikt voor de complexe realiteit van medische beeldvorming.