Technische Samenvatting: GCE-MIL: Getrouwe en Herstelbare Bewijzen voor Multiple Instance Learning in Whole-Slide Imaging

1. Probleemstelling

In computationele pathologie worden Whole-Slide Images (WSI's) doorgaans verwerkt met behulp van Multiple Instance Learning (MIL), waarbij een dia wordt behandeld als een "zak" met duizenden weefselpatches en supervisie alleen op dia-niveau beschikbaar is. Standaard op attentie gebaseerde MIL-modellen (bijv. ABMIL, CLAM, TransMIL) aggregeren patch-kenmerken om voorspellingen op dia-niveau te doen. Hoewel deze modellen vaak attentieweegs visualiseren als "bewijs" voor hun voorspellingen, betoogt het artikel dat deze praktijk twee verschillende doelen verward: classificatie-accuraatheid en bewijskwaliteit.

De auteurs identificeren drie systemische fouten wanneer attentieweegs worden gebruikt als bewijs:

1. Onvoldoende: Het behouden van alleen de meest geattendeerde patches slaagt er vaak niet in om de oorspronkelijke voorspelling te behouden. Over 9 datasets daalt de Macro-F1-score gemiddeld met 0,078 wanneer alleen de top-k patches van de attentie worden bewaard, vergeleken met de volledige zak.
2. Onnoodzakelijk: Het verwijderen van de meest geattendeerde patches heeft vaak weinig invloed op de voorspelling, wat aangeeft dat het model zich op andere plekken op redundante informatie verlaat. Het verwijderen van de top-k van de attentie verandert de Macro-F1-score gemiddeld slechts met 0,033.
3. Niet-herstelbaar: Er is een significant gat tussen de continue attentiescores die tijdens het trainen worden geleerd en de discrete subsets die bij inferentie worden geëxtraheerd. Voor standaard ABMIL is deze continue-discrete (C-D) kloof 0,029, wat betekent dat het discrete bewijs de continue signaal niet getrouw weergeeft.

Bovendien merkt het artikel op dat WSI-bewijs vaak niet-uniek is; een enkele dia kan meerdere disjuncte sets patches bevatten die individueel voldoende zijn voor de diagnose, maar standaard attentiemechanismen klappen deze samen tot één rangschikking, waardoor deze structurele ambiguïteit niet wordt vastgelegd.

2. Methodologie: GCE-MIL

De auteurs stellen GCE-MIL (Grounded Continuous Evidence MIL) voor, een wrapper die onafhankelijk is van de backbone en is ontworpen om bewijskwaliteit direct te optimaliseren in plaats van dit als een bijproduct van classificatie te behandelen. Het framework is gebaseerd op drie criteria: Voldoende, Noodzakelijk en Herstelbaar (V/N/H).

Kerncomponenten

1. Semantische Anker-Grounding (Adresseren van Noodzakelijkheid):

   • In plaats van selectie puur te leren uit classificatiegradiënten, grondt GCE-MIL patch-selectie in domeinspecifieke semantische concepten (bijv. "nucleaire pleiomorfie", "mitotische activiteit").
   • Het maakt gebruik van een bank van $M=8$ bevroren tekst-embeddings afgeleid van TITAN, een pathologie vision-language model.
   • Een low-rank adapter en een bruggennetwerk mappingen patch-kenmerken naar de anker-ruimte. De selector wordt getraind om ervoor te zorgen dat geselecteerde patches met deze diagnostische concepten overeenkomen, waardoor selectie van visueel opvallende maar irrelevante gebieden wordt voorkomen.

2. Continue Selector met Noisy-OR Coverage (Adresseren van Voldoende):

   • Het model maakt gebruik van een continue selector $\pi \in [0, 1]^N$ om patch-opname te bepalen.
   • Om bewijs over meerdere diagnostische concepten te aggregeren, maakt het framework gebruik van Noisy-OR coverage in plaats van mean pooling of attentie. Voor een specifiek anker $m$ wordt coverage berekend als $v_m(\pi) = 1 - \prod_i (1 - \pi_i r_{im})$.
   • Dit mechanisme modelleert patches als onafhankelijke bewijskanalen met afnemende meeropbrengst. Het is bewezen monotoon submodulair te zijn, wat een principieel greedy-optimalisatie mogelijk maakt. Dit zorgt ervoor dat de geselecteerde subset de benodigde diagnostische concepten zonder redundantie dekt.

3. Drempel-plus-Reparatie Discrete Herstel (Adresseren van Herstelbaarheid):

   • Bij inferentie wordt de continue selector omgezet in een discrete subset via een drempel-plus-reparatie procedure.
   • Eerst worden patches gethresholdd (bijv. $\pi_i > 0,5$). Als de resulterende subset niet voldoet aan een coverage-doel (bijv. 95% van de anker-coverage), voegt een greedy-reparatiealgoritme patches toe op basis van de exacte marginale winst van de noisy-OR-utility.
   • Dit zorgt ervoor dat de discrete subset een getrouw herstel is van de continue selector, waardoor de C-D-kloof wordt geminimaliseerd.

Trainingsdoel

De wrapper wordt gezamenlijk getraind met de host-backbone met behulp van een samengestelde loss:
$$L = L_{task} + \lambda_b L_{budget} + \lambda_g L_{ground}$$

• $L_{task}$: De oorspronkelijke classificatie- of overlevingsloss (behoud van voorspellend vermogen).
• $L_{budget}$: Dwingt sparsiteit af (bijv. selectie van ~5% van de patches) om Voldoende te bevorderen.
• $L_{ground}$: Stemt de selector af op de noisy-OR-ankerresponsen om Noodzakelijkheid te bevorderen.
• Temperatuur-afkoeling: De temperatuur van de selector wordt tijdens het trainen afgekoeld van 1,0 naar 0,4 om de gate-verdeling naar een bimodale regime te duwen, wat discrete herstel faciliteert.

Injectiemodi

GCE-MIL is een plug-in wrapper die zich aanpast aan verschillende backbone-architecturen:

• Op attentie gebaseerde backbones (ABMIL, CLAM): Ingevoegd als een attentie-logit bias ($\alpha_i \leftarrow \alpha_i + \log \pi_i$).
• Op tokens gebaseerde backbones (TransMIL, DTFD-MIL): Ingevoegd als feature herweging ($h_i \leftarrow \pi_i \cdot h_i$).
• Hybride/Multi-path backbones: Een combinatie van beide.

3. Belangrijkste Bijdragen

1. Formalisatie van Bewijskwaliteit: Het artikel definieert en operationaliseert drie criteria (Voldoende, Noodzakelijk, Herstelbaar) om MIL-bewijs te evalueren, en toont aan dat standaard op attentie gebaseerde methoden aan alle drie falen.
2. Minimale-Subset Diagnostiek: Een recursieve analyse op de BRACS-dataset onthult dat 72,67% van de validatiedia's ten minste twee disjuncte voldoende subsets toestaat, wat de noodzaak motiveert voor bewijsselectie die verder gaat dan één enkele attentierangschikking.
3. GCE-MIL Framework: Een modulaire wrapper die semantische grounding, noisy-OR coverage en discrete herstel integreert. Het is ontworpen om orthogonaal te zijn ten opzichte van bestaande backbones, waardoor deze worden verbeterd zonder hun kernaggregatiemechanismen te vervangen.
4. Uitgebreide Evaluatie: De methode wordt geëvalueerd over een 9 $\times$ 9 rooster (9 backbones $\times$ 9 datasets), waarbij zowel classificatie (BRACS, PANDA, TCGA-BRCA, TCGA-NSCLC) als overlevingsvoorspelling (TCGA-LUAD, STAD, UCEC, KIRP, KIRC) worden behandeld.

4. Resultaten

De evaluatie toont aan dat optimalisatie voor V/N/H zowel de bewijskwaliteit als, in veel gevallen, de voorspellende prestaties verbetert.

• Voorspellende Prestaties: Over 81 configuraties verbetert GCE-MIL de gemiddelde Macro-F1-score met 0,024 en de C-index met 0,014. De grootste winsten worden waargenomen bij uitdagende, fijnkorrelige taken (bijv. BRACS 7-klasse classificatie), waarbij de ABMIL Macro-F1-score steeg van 0,634 naar 0,703 (+6,9 punten).
• Bewijskwaliteit (Interventie-diagnostiek):
  • Voldoende: Het behouden van GCE-bewijs verandert de full-bag-score met slechts 0,004, vergeleken met een daling van 0,078 voor attentie top-k.
  • Noodzakelijk: Het verwijderen van GCE-bewijs veroorzaakt een prestatiedaling van 0,176, vergeleken met slechts 0,033 voor attentie top-k.
  • Herstelbaarheid: De continue-discrete kloof wordt gereduceerd van 0,029 (ABMIL) naar 0,004–0,005 met GCE.
• Efficiëntie: Met optionele tegel-prefiltering (het overslaan van niet-geselecteerde patches voordat kenmerken worden geëxtraheerd), draait inferentie tot 5$\times$ sneller terwijl 0,989$\times$ van de full-bag-utility behouden blijft. Zelfs met cache-kenmerken wordt de MIL-aggregatietijd gereduceerd tot 0,22$\times$ van het origineel.
• Lokalisatie: Op de CAMELYON-16 dataset verbetert het toevoegen van GCE de Dice-scores (bijv. TransMIL van 0,103 naar 0,398) en FROC-scores, wat wijst op een betere ruimtelijke uitlijning met geannoteerde tumorregio's.

5. Betekenis en Claims

Het artikel stelt dat GCE-MIL een fundamentele kloof in MIL aanpakt: de aanname dat classificatie-accuraatheid getrouw bewijs impliceert. Door expliciet te optimaliseren voor Voldoende, Noodzakelijk en Herstelbaar, produceert de methode bewijs dat:

• Zelfstandig is: De geselecteerde patches alleen behouden de voorspelling.
• Kritiek is: Het verwijderen van de geselecteerde patches verslechtert de voorspelling.
• Getrouw is: Het discrete bewijs bij inferentie overeenkomt met het continue signaal dat tijdens het trainen is geleerd.

De auteurs benadrukken dat GCE-MIL een wrapper is in plaats van een vervangende backbone, waardoor het toepasbaar is op een breed scala aan bestaande MIL-architecturen. De resultaten suggereren dat bewijskwaliteit niet slechts een post-hoc interpretabiliteitskwestie is, maar een factor die, wanneer geoptimaliseerd, de robuustheid en nauwkeurigheid van het onderliggende voorspellende model kan verbeteren, met name in complexe, multi-concept diagnostische scenario's. Het werk benadrukt ook dat standaard attentiemechanismen vaak falen in het vastleggen van de niet-unieke, multi-bron aard van pathologisch bewijs, een beperking die GCE-MIL mitigeert via zijn op coverage gebaseerde aanpak.