💻 computer science

Weakly Supervised Multicenter Nancy Index Scoring in Ulcerative Colitis Using Foundation Models

Dit artikel stelt een zwak toezicht op meervoudige voorbeeldlering framework voor dat gebruikmaakt van fundamentele modellen, met name Virchow2, om robuuste en interpreteerbare multicenter Nancy-indexscores voor colitis ulcerosa te bereiken met uitsluitend casusniveau-annotaties, waardoor de behoefte aan kostbare dichte regio-niveau-labeling wordt overwonnen.

Oorspronkelijke auteurs: Adam Kukučka, Ondřej Fabián, Vít Musil, Tomáš Brázdil

Gepubliceerd 2026-04-28

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Adam Kukučka, Ondřej Fabián, Vít Musil, Tomáš Brázdil

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: Beoordelen van een "Ongewassen" Darm

Stel je Colitis Ulcerosa (CU) voor als een tuin die overwoekerd is door onkruid (ontsteking). Artsen moeten precies weten hoe erg het onkruid is om de juiste behandeling te kiezen. Ze gebruiken een standaardbeoordelingssysteem genaamd de Nancy-index, die de tuin beoordeelt van 0 (perfect schoon) tot 4 (volledig overwoekerd).

Meestal moet een menselijk patholoog (een arts die weefsel onder een microscoop bekijkt) deze beoordeling doen. Maar elke dia bekijken is als proberen elk enkel blad op een bosvloer met de hand te tellen. Het duurt eeuwen, en twee verschillende artsen kunnen het oneens zijn of een specifiek stukje een "2" of een "3" is.

Het Probleem: Te Duur om Computers Te Leren

Wetenschappers hebben geprobeerd computers te bouwen om deze beoordeling automatisch te doen. Echter, de meeste eerdere pogingen vereisten een "leraar" om rond elk enkel slecht plekje op de afbeelding een kaders te tekenen en het te labelen. Dit is als het inhuren van een leraar om elk enkel onkruid in een bos aan te wijzen. Het is ongelooflijk duur en traag, vooral wanneer je monsters hebt van verschillende ziekenhuizen die er anders uitzien (verschillende verlichting, verschillende kleuringen, verschillende scanners).

De Oplossing: De "Zwaktoezicht" Detectives

Dit artikel stelt een slimmere manier voor om de computer te leren, genaamd Zwaktoezicht-Leren.

In plaats van de computer te vragen elk enkel onkruid te vinden, gaven de onderzoekers haar alleen de eindbeoordeling voor de hele dia (bijvoorbeeld: "Deze hele dia is een Graad 3"). Ze lieten de computer niet zien waar de slechte plekken waren.

Denk hieraan: Je toont een student een hele foto van een rommelige kamer en zegt: "Deze kamer scoort een 3 van de 5 op de rommel-schaal." Je vertelt ze niet welke sokken op de vloer liggen of waar het vuilnis is. Je laat de student gewoon naar het hele plaatje kijken en de details zelf uitzoeken.

Hoe Het Systeem Werkt: Het "Specialisten Team"

Het computersysteem dat ze bouwden, werkt als een team van drie gespecialiseerde detectives die samenwerken om de zaak op te lossen:

De "Neutrofiel" Detective: Deze detective zoekt specifiek naar een type witte bloedcel (neutrofielen) dat actieve ontsteking aangeeft. Ze vraagt: "Is deze tuin kalm (Laag) of in brand (Hoog)?"
De "Laag-Grader" Specialist: Als de tuin er kalm uitziet, komt deze detective tussenbeide om te beslissen of het een perfecte 0 is of een licht rommelige 1.
De "Hoog-Grader" Specialist: Als de tuin er in brand lijkt te staan, komt deze detective tussenbeide om te beslissen of het een 2, 3 of 4 is.

Het Magische Ingrediënt: Foundation Modellen
Om deze detectives scherp te laten zien, gebruikten de onderzoekers Foundation Modellen. Denk hieraan als "super-getrainde ogen" die al miljoenen medische afbeeldingen van over de hele wereld hebben bestudeerd. Ze weten hoe gezond weefsel eruitziet en hoe ziek weefsel eruitziet, zelfs als de verlichting anders is. De onderzoekers gebruikten een specifieke genaamd Virchow2, die bleek de beste "ogen" voor de klus te zijn.

Het Proces: Het Opbreken

De Taart Snijden: De computer neemt een enorme afbeelding van het weefsel (Whole Slide Image) en hakkt deze in duizenden kleine puzzelstukjes (tegels).
Kwaliteitscontrole: Het gooit wazige of slechte stukjes weg, net als een fotograaf een foto wegdoet met een vinger voor de lens.
De Stem: De drie gespecialiseerde detectives kijken naar alle puzzelstukjes. Ze gebruiken een stemsysteem (genaamd Attention) om te beslissen welke stukjes het belangrijkst zijn.
Het Eindoordeel: Het systeem combineert de stemmen om een eindcijfer van 0 tot 4 te geven.

De Resultaten: Werkte Het?

Het team testte dit op echte data van drie verschillende ziekenhuizen in Tsjechië. Deze ziekenhuizen gebruikten verschillende scanners en kleuringen, waardoor de data erg "rommelig" was en moeilijk te standaardiseren.

Nauwkeurigheid: De computer presteerde bijna even goed als de beste bestaande AI-systemen (zoals een van PathAI) en kwam overeen met de consistentie van menselijke experts.
Efficiëntie: Omdat het die dure, gedetailleerde "teken-het-kader" labels niet nodig had, was het veel makkelijker om te trainen.
Transparantie: Het systeem kan de artsen laten zien welke puzzelstukjes het in de gaten hield om zijn beslissing te maken. Het is alsof de computer de specifieke onkruiden die het vond, markeert, zodat de menselijke arts het werk kan dubbelchecken.

De Conclusie

Dit artikel toont aan dat je geen perfecte, dure leraar nodig hebt om een AI te trainen om Colitis Ulcerosa te beoordelen. Door een "zwaktoezicht"-benadering te gebruiken (alleen de eindbeoordeling geven) en een team van specialisten dat wordt aangedreven door moderne "super-ogen" (Foundation Modellen), kunnen computers weefselmonsters betrouwbaar beoordelen in verschillende ziekenhuizen. Dit maakt het proces sneller en consistenter, en helpt artsen patiënten beter te behandelen zonder dat ze handmatig elk detail hoeven te labelen.

1. Probleemstelling

Het artikel adresseert de uitdaging om de scoring van de Nancy Histologische Index (NHI) voor de activiteit van Colitis Ulcerosa (CU) te automatiseren.

Klinische Context: De NHI is een standaard 5-trapschaal (0–4) die wordt gebruikt om histologische activiteit bij CU te beoordelen, wat cruciaal is voor klinische trials en routinezorg. Handmatige grading is tijdrovend en lijdt aan significante inter- en intra-observer variabiliteit.
Technische Uitdaging: Bestaande oplossingen voor computationele pathologie vertrouwen vaak op dichte annotaties op regio- of celniveau, die duur zijn om te genereren en moeilijk te standaardiseren over verschillende instellingen heen.
Specifiek Doel: Ontwikkeling van een robuust, geautomatiseerd scoresysteem dat werkt onder zwakke supervisie (met alleen labels op geval- of dia-niveau) over multicenter datasets met heterogene kleuringprotocollen, scannersoorten en patiëntenpopulaties.

2. Methodologie

De auteurs stellen een Pipeline voor Zwak Gecontroleerd Multiple Instance Learning (MIL) voor die is toegespitst op Whole Slide Images (WSI's).

A. Data Voorbereiding

Dataset: Retrospectieve verzameling van H&E-gekleurde colonbiopsieën van drie Tsjechische instellingen (IKEM, TUH, KNL) over de periode 2019–2025.
Labels: Alleen NHI-graderingen op dia- of geval-niveau (0–4) waren beschikbaar. Er werden geen annotaties op regio-niveau gebruikt.
Preprocessing:
- Weefseldetectie en kwaliteitscontrole (verwijdering van onscherpte/artefacten).
- Tiling: Diavolledige beelden worden verdeeld in tegels op drie resoluties (T0, T1, T2).
- Data Split: Splitting op geval-niveau om te zorgen dat er geen patiëntdata-lekkage optreedt tussen de trainings-, voorlopige test- en definitieve testsets.

B. Modelarchitectuur

De pipeline maakt gebruik van een Foundation Model-benadering gecombineerd met een gespecialiseerde MIL-strategie:

Foundation Model Encoders: Bevriezing van voorgeprogrammeerde visuele encoders (UNI2-h, Prov-GigaPath, Virchow2) om tegel-embeddings ( $h_i$ ) te extraheren.
Gespecialiseerde Inference-modellen: In plaats van één monolithisch model worden drie verschillende MIL-modellen getraind voor specifieke diagnostische subtaken:
- Neutrofiel Activiteit Model: Binaire classificatie (Laag vs. Hoog activiteit).
- Nancy-Low Model: Meerklassenclassificatie voor graden {0, 1, Hoog}.
- Nancy-High Model: Meerklassenclassificatie voor graden {Laag, 2, 3, 4}.
Op Aandacht Gebaseerde Aggregatie (Instance-First Variant):
- Standaard MIL aggregeert eerst embeddings en classificeert vervolgens.
- Variant van dit artikel: Past een taak-specifieke classifier ( $c_\psi$ ) toe op elke tegel-embedding om tegel-niveau logits ( $s_i$ ) te genereren.
- Deze tegel-logits worden vervolgens gepooled met behulp van aandachtsweights ( $a_i$ ) om dia-niveau logits te genereren: $s = \sum a_i s_i$ .
- Deze "instance-first" benadering maakt directe scoring op tegelniveau mogelijk en verbetert de interpreteerbaarheid.

C. Post-processing & Ensembling

Ensemble-strategie: Tijdens inferentie stemmen de drie modellen om de activiteitsgroep te bepalen (Laag vs. Hoog).
Definitieve Voorspelling: De definitieve 5-traps NHI wordt afgeleid door het juiste specialistenmodel (Laag of Hoog) te selecteren en de argmax te nemen over zijn specifieke graadklassen, waarbij de "andere" groepsklasse wordt genegeerd.

3. Belangrijkste Bijdragen

Framework voor Zwakke Supervisie: Succesvolle aanpak van NHI-voorspelling met alleen grove labels op dia-niveau, waardoor de noodzaak voor kostbare dichte annotaties wordt geëlimineerd.
Gespecialiseerde MIL-architectuur: Introductie van een "hiërarchische gating" via een ensemble van taak-specifieke modellen (Neutrofiel, Laag, Hoog) in plaats van één vlakke classifier, wat de prestaties verbetert op specifieke klinische eindpunten.
Integratie van Foundation Modellen: Aantonen van de effectiviteit van moderne pathologie foundation-modellen (specifiek Virchow2) in het hanteren van multicenter-heterogeniteit.
Multicenter Validatie: Rigoureuze evaluatie over drie verschillende instellingen met variërende protocollen, wat robuustheid tegen domeinverschuiving bewijst.
Interpreteerbaarheid: Gebruik van aandachtsweights en classificatie op instance-niveau om specifieke weefselregio's (bijv. cryptitis, abcessen) die de beslissing sturen, te visualiseren.

4. Resultaten

Het model werd geëvalueerd op een definitieve testset die data van alle drie de centra bevatte.

Prestatiemetingen:
- Gewogen Cohens $\kappa$ : 0,85 (vergeleken met de referentie $\kappa$ van PathAI van 0,91).
- Spearman-correlatie ( $\rho$ ): 0,85 (vergeleken met 0,89 van PathAI).
- De prestaties zijn vergelijkbaar met sterke referentiesystemen, ondanks het gebruik van alleen zwakke supervisie.
Ablatiestudies:
- Keuze van Encoder: Virchow2 bood de meest consistente winst. Het gebruik van een lagere resolutie (T2) met Virchow2 verbeterde de nauwkeurigheid voor Neutrofiel- en Nancy-Low-taken, terwijl de rekentijd met ongeveer 10x werd gereduceerd.
- Ensemble vs. Hiërarchische Gating: De voorgestelde ensemble-aanpak (gewogen $\kappa$ = 0,89) presteerde beter dan een strikte hiërarchische gating-baseline (gewogen $\kappa$ = 0,87), wat suggereert dat onafhankelijke taak-specifieke inzichten robuustere beslissingen opleveren.
- Neutrofiel Detectie: Het geleerde neutrofiel-model presteerde significant beter dan een externe voorgeprogrammeerde neutrofiel-detecteur (Precisie: 0,91 vs. 0,74).
Interpreteerbaarheid: Aandachtswarmtekaarten slaagden erin biologisch relevante kenmerken zoals neutrofiel cryptitis, cryptabcessen en oppervlakte-epitheelletsel te markeren.

5. Betekenis en Conclusie

Klinische Impact: Dit werk toont aan dat zwak gecontroleerd MIL met foundation-modellen robuuste, interpreteerbare histologische scoring kan bieden in realistische, heterogene multicenter-omgevingen.
Efficiëntie: Door te vertrouwen op labels op dia-niveau, vermindert de aanpak de annotatiebelasting voor pathologen drastisch, waardoor grootschalige implementatie haalbaar wordt.
Beslissingsondersteuning: Het systeem fungeert als een levensvatbaar hulpmiddel voor beslissingsondersteuning dat grading over centra kan standaardiseren en inter-observer variabiliteit kan verminderen, met name voor het onderscheid tussen inactieve (NHI 0) en zeer actieve (NHI 4) gevallen.
Toekomstrichting: De studie valideert het potentieel van "foundation-modellen + zwakke supervisie" als een standaardparadigma voor computationele pathologie in complexe, real-world klinische omgevingen.