Representation-Level Adversarial Regularization for Clinically Aligned Multitask Thyroid Ultrasound Assessment

Probleemstelling

Thyreoïd-echografie is de eerste lijn voor het beoordelen van schildklierknobbels en het bepalen van de noodzaak van een biopsie. In de klinische praktijk produceren radiologen twee gekoppelde output: een contour (segmentatie) van de knobbels voor meting en een TI-RADS-risicocategorie (gebaseerd op sonografische criteria) om de behandeling te sturen.

De uitdagingen die in dit paper worden aangepakt zijn:

1. Inconsistent supervisie: Er is aanzienlijke variatie tussen verschillende annotatoren (radiologen) in zowel het tekenen van contouren als het toekennen van risicocategorieën. Deze subjectiviteit fungeert als "ruis" die standaard leerpijplijnen destabiliseert.
2. Negatieve overdracht in multitask learning: Bestaande deep learning-modellen behandelen segmentatie en classificatie vaak als gescheiden taken of in een sequentiële pijplijn (eerst segmenteren, dan classificeren). Bij gezamenlijk leren (multitask learning) in een gedeelde encoder conflicteren de gradiënten van de verschillende taken vaak, wat leidt tot suboptimale representaties en slechtere prestaties.
3. Gebrek aan klinische onderbouwing: Veel modellen zijn puur datagedreven en missen een directe link met de interpreteerbare klinische criteria die radiologen gebruiken.

Methodologie

De auteurs stellen een klinisch geleid multitask framework voor dat zowel segmentatie als TI-RADS-classificatie voorspelt binnen één model, met twee kerninnovaties:

1. Klinisch Geleid Architectuur met Radiomics Distillatie

• Gedeelde Encoder: Een nnU-Net-encoder extrahereert een gedeelde representatie ($z$) die wordt gebruikt door twee heads: een segmentatie-decoder en een classificatie-head.
• Interpreteerbare Subruimte: De classificatie-embedding wordt opgesplitst in twee delen:
  • $h_{tirads}$: Een compacte subruimte (13 dimensies) die wordt getraind om een radiomics-target te benaderen. Deze target wordt berekend op basis van de grondwaarheid (masker) tijdens het trainen en omvat klinisch relevante kenmerken zoals vorm (circulariteit, aspect ratio), randkenmerken (scherpte, contrast) en textuur (echogeniciteit, GLCM-statistieken).
  • $h_{deep}$: Een subruimte voor diepere, niet-lineaire kenmerken die de discriminatiekracht behouden.
• Distillatie: Tijdens training wordt een regressieverlies ($L_{clin}$) gebruikt om $h_{tirads}$ te laten convergeren naar de berekende radiomics-waarden. Tijdens inferentie worden deze radiomics niet berekend; ze dienen alleen als een "anker" om de leerrepresentatie klinisch betekenisvol te maken.

2. Representation-Level Adversarial Regularization (RLAR)

Om het conflict tussen de taken in de gedeelde representatie op te lossen, introduceren de auteurs RLAR. In plaats van gradiënten op parameter-niveau te "chirurgeren", werkt RLAR op het niveau van de latent space:

• Adversariële Richtingen: Voor elke taak (segmentatie, classificatie, klinische guidance) wordt een genormaliseerde adversariële richting ($\delta_t$) berekend in de gedeelde representatieruimte. Dit is de richting waarin de loss voor die taak het snelst toeneemt.
• Geometrische Interferentie: De auteurs berekenen de cosinus-ähnelijkheid tussen deze adversariële richtingen voor verschillende taakparen.
• Regularisatie: Een straffing ($L_{RLAR}$) wordt toegevoegd aan de totale loss-functie die te sterke alignering (overlap) tussen de adversariële richtingen van verschillende taken straft.
• Doel: Dit moedigt complementaire (niet-conflicterende) taakgevoeligheden aan, waardoor de model stabiliseert onder inconsistent supervisie zonder nuttige gedeelde informatie te verliezen.

Belangrijkste Bijdragen

1. Klinisch Geleid Multitask Framework: Een architectuur die segmentatie en risicoclassificatie gezamenlijk leert, waarbij de classificatie expliciet wordt verankerd in interpreteerbare radiomics-kenmerken zonder extra inferentie- overhead.
2. RLAR (Representation-Level Adversarial Regularization): Een nieuwe regularisatietechniek die taakconflicten reguleert door de geometrie van de adversariële gradiënten in de latent space te manipuleren, in plaats van harde scheiding van parameters.
3. Robuustheid bij Annotator Variatie: Het framework is specifiek ontworpen om om te gaan met de subjectiviteit in medische annotaties, wat resulteert in stabielere training en betere generalisatie.

Resultaten

De methode werd geëvalueerd op twee publieke datasets: ThyroidXL (interne validatie) en AIMI (externe validatie/zero-shot).

• Classificatie (TI-RADS):
  • Het model met RLAR en klinische guidance behaalde de beste prestaties op de interne dataset (ThyroidXL) qua F1-score.
  • Op de externe dataset (AIMI) behaalde RLAR de hoogste recall (0.4033) onder alle multitask-baselines, wat cruciaal is om hoge risico-knobbels niet te missen, terwijl het de precisie en F1-score hoog hield.
• Segmentatie:
  • RLAR behaalde de tweede beste Dice-score op ThyroidXL, maar met significantly lagere variantie tussen de cross-validatie folds vergeleken met de "Vanilla" multitask baseline, wat wijst op stabielere training.
  • Op AIMI behaalde RLAR de beste HD95 (95e percentiel van de Hausdorff-distance), wat aangeeft dat de grenzen van de knobbels robuuster worden voorspeld ondanks domeinverschuivingen.
• Ablatie Studies:
  • Het toepassen van RLAR op de bottleneck-laag van de encoder bleek het meest effectief voor interne validatie, terwijl een middelste encoder-laag beter presteerde voor de externe AIMI-dataset (waarschijnlijk vanwege de hogere variabiliteit in cine-frames).
  • De klinische guidance-kenmerken bleken complementair te werken; het verwijderen van één enkel kenmerk had weinig impact, wat aangeeft dat het model een robuuste combinatie van cues leert.

Betekenis en Conclusie

Dit paper demonstreert dat het integreren van klinische kennis (via radiomics-distillatie) en het actief managen van taakconflicten (via RLAR) essentieel zijn voor betrouwbare medische AI.

• Klinische Relevantie: Het model nabootst de workflow van een radioloog die zowel naar de vorm (contour) als de kenmerken (risico) kijkt. Het verbetert de detectie van hoge risico-knobbels (hogere recall), wat direct invloed heeft op patiëntenzorg.
• Technische Innovatie: RLAR biedt een elegante oplossing voor het "negative transfer"-probleem in multitask learning zonder de complexiteit van parameter-scheiding te vereisen. Het maakt het model robuuster tegen variatie in annotaties en domeinverschuivingen (bijv. van statische beelden naar cine-frames).
• Toekomst: De methode biedt een pad naar meer interpreteerbare en stabiele AI-systemen die direct inzetbaar zijn in de klinische praktijk zonder de workflow van de arts te veranderen.