H-XAI-Cervix: conditional hierarchical learning for cervical-cell classification on Herlev and SIPaKMeD

Elk jaar ondergaan miljoenen vrouwen een eenvoudige screeningsmethode om vroege tekenen van baarmoederhalskanker op te sporen. Een laborant verzamelt een monster van cellen uit de baarmoederhals, kleurt deze met een speciale kleurstof en plaatst ze onder een microscoop. Een menselijke expert onderzoekt vervolgens deze cellen, zoekend naar subtiele veranderingen in vorm, grootte en kleur die op ziekte kunnen wijzen. Dit proces, bekend als een uitstrijkje of Pap-test, is een hoeksteen van de moderne geneeskunde, maar het is traag, arbeidsintensief en hangt sterk af van de vaardigheid van de persoon die door de lens kijkt. Om processen te versnellen en menselijke fouten te verminderen, hebben wetenschappers jarenlang geprobeerd computers te leren deze cellulaire patronen te herkennen. Het doel is om een kunstmatige intelligentie te bouwen die naar een enkele cel kan kijken en kan beslissen of deze gezond is of tekenen van problemen vertoont, als een tweede paar ogen voor de patholoog.

De uitdaging ligt in de manier waarop deze cellen zijn georganiseerd. In de echte wereld zijn medische labels niet slechts een platte lijst van ongerelateerde opties; ze vormen een natuurlijke stamboom. Er zijn brede categorieën, zoals "normaal" of "abnormaal", en binnen die brede groepen zijn er specifieke, fijnere details. Een computerprogramma dat elke categorie als een gelijkwaardige, ongerelateerde optie behandelt, mist vaak de logische verbanden. Het kan een cel correct identificeren als abnormaal, maar er niet in slagen te herkennen dat deze tot een specifiek, minder ernstig type abnormaliteit behoort, of andersom. Onderzoekers wilden weten of het de computer leren om deze hiërarchische structuur te respecteren — begrijpen dat een specifiek type cel eerst tot een bredere groep moet behoren voordat het als dat specifieke type geïdentificeerd kan worden — de computer een betere diagnostische tool zou maken.

Een onderzoeker zette zich in om dit idee te testen met behulp van twee bekende collecties celafbeeldingen. Hij bouwde een computermodel dat ontworpen was om dit hiërarchische denken na te bootsen. In plaats van de computer te vragen om direct te kiezen uit alle mogelijke celtypen, dwong hij de computer om een beslissing in stappen te nemen. Eerst moest het model beslissen of een cel normaal of abnormaal was. Pas nadat deze brede keuze was gemaakt, kon het model overgaan tot het identificeren van het specifieke celtype binnen die groep. Deze aanpak, die de auteur een "conditionele hiërarchie" noemt, werd vergeleken met een standaard computermodel dat probeerde het specifieke celtype direct te raden, zonder het eerst in een brede categorie te sorteren. De onderzoeker testte dit op twee verschillende datasets: één met 917 afbeeldingen van cellen en een andere met meer dan 4.000 afbeeldingen.

De resultaten lieten zien dat de manier waarop de computer werd onderwezen ertoe deed, maar dat het voordeel volledig afhing van de complexiteit van de taak. Wanneer de onderzoeker het model testte op de kleinere dataset, die cellen gegroepeerd in zeven verschillende categorieën bevatte, bleek de hiërarchische aanpak aanzienlijk beter. Het model dat de stamboom begreep, identificeerde de brede categorieën en de specifieke celtypen vaker correct dan het standaardmodel. In deze specifieke test verbeterde het hiërarchische model de nauwkeurigheid met een merkbare marge, waarbij het bijna 93 procent van de binaire gevallen (normaal versus abnormaal) en ongeveer 74 procent van de zeven specifieke typen correct classificeerde. Het standaardmodel, dat de hiërarchische structuur negeerde, schoot op beide gebieden tekort. Dit suggereert dat wanneer een taak het onderscheiden van veel vergelijkbare, complexe categorieën inhoudt, het dwingen van de computer om een logisch pad te volgen, helpt om verwarring te voorkomen.

Het verhaal veranderde echter toen de onderzoeker dezelfde test toepaste op de grotere dataset. Deze collectie bevatte meer dan 4.000 afbeeldingen met minder, meer duidelijke categorieën. In dit scenario presteerde het standaard computermodel al op een zeer hoog niveau en identificeerde het cellen bijna altijd correct. Wanneer de onderzoeker de hiërarchische structuur aan dit model toevoegde, verbeterde dit de resultaten niet. Het model dat de stamboom volgde, presteerde net zo goed als het model dat dat niet deed, maar het werd niet beter. De onderzoeker stelde vast dat de hiërarchische methode de hoge nauwkeurigheid van het standaardmodel behield, maar geen extra waarde toevoegde wanneer de taak al eenvoudig genoeg was voor de computer om op te lossen.

De studie keek ook naar hoe zelfverzekerd de computer was in zijn antwoorden. In de kleinere, moeilijkere dataset maakte het hiërarchische model betere onderscheidingen tussen celtypen, maar de betrouwbaarheidsscores waren soms minder perfect afgestemd op de werkelijkheid dan die van het standaardmodel. In de grotere dataset waren beide modellen zeer goed gekalibreerd, wat betekent dat hun betrouwbaarheidsniveaus overeenkwamen met hun werkelijke nauwkeurigheid. De onderzoeker benadrukte dat hoewel de hiërarchische aanpak de computer hielp om logischer na te denken over de kleinere, complexere set cellen, het geen magische oplossing is die automatisch elk medisch AI-systeem verbetert. Het succes van de methode hing af van de specifieke aard van de data en de moeilijkheidsgraad van de classificatietaak.

Uiteindelijk toont dit werk aan dat de structuur van het leerproces van een computer net zo belangrijk kan zijn als de data waaruit het leert. Door een kunstmatige intelligentie te dwingen de natuurlijke relaties tussen verschillende soorten cellen te respecteren, kunnen onderzoekers soms een slimmere, nauwkeurigere classifier bouwen, met name bij het werken met subtiele en complexe medische onderscheidingen. Deze verbetering is echter niet universeel; als een computer al uitstekend is in een taak, voegt het toevoegen van een complexe structuur mogelijk niets toe. De auteur waarschuwt dat deze resultaten gebaseerd zijn op geïsoleerde celafbeeldingen en nog niet bewijzen dat een dergelijk systeem kanker kan diagnosticeren bij een echte patiënt. Voordat deze technologie in een kliniek kan worden gebruikt, moet deze worden getest op volledige weefselsamples en in echte medische omgevingen. Voor nu biedt de studie een duidelijke les: in de zoektocht om machines te leren zien als artsen, doet de manier waarop we hun denken organiseren er toe, maar de juiste methode hangt volledig af van het probleem dat we proberen op te lossen.