A ResNet-50 Classifier with Grad-CAM and SHAP for Explainable Breast Cancer Detection in Dense Mammography: Comparison with Human Radiologist Performance

Technische Samenvatting: Een ResNet-50 Classifier met Grad-CAM en SHAP voor Verklaarbare Borstkankerdetectie in Dichte Mammografie

Probleemstelling
Borstkanker blijft de meest frequent gediagnosticeerde maligniteit bij vrouwen wereldwiddelijk. Hoewel screeningsmammografie de mortaliteit vermindert, wordt de effectiviteit ervan aanzienlijk belemd bij vrouwen met dicht borstweefsel, waarbij overlappende fibroglandulaire structuren laesies maskeren. Radiologen die dichte mammogrammen beoordelen, bereiken een sensitiviteit van slechts 60–70%, wat leidt tot gemiste kankers en vertraagde diagnoses. Hoewel deep learning-modellen hoge nauwkeurigheid hebben aangetoond in retrospectieve studies, functioneren zij doorgaans als "black boxes", waarbij het gebrek aan transparantie de klinische adoptie belemmert. Artsen kunnen de redenering van het model niet verifiëren of potentiële biases identificeren, wat de vertrouwen en integratie in workflows beperkt. Er is een dringende behoefte aan diagnostische systemen die niet alleen een hoge nauwkeurigheid bereiken op dichte mammogrammen, maar ook interpreteerbare, klinisch inzetbare verklaringen bieden.

Methodologie
De studie maakte gebruik van een supervised deep learning-benadering met een ResNet-50 architectuur, getraind op een gebalanceerde dataset afkomstig uit de MammoBench v2-collectie. Deze dataset aggregeert zes mammografiebronnen (INbreast, CMMD, DDSM, DMID, KAU-BCMD, en CDD-CESM), wat in totaal 19.731 afbeeldingen beslaat. Om klassenonbalans aan te pakken, hebben de auteurs een gebalanceerde dataset samengesteld van 16.368 afbeeldingen (8.184 maligne en 8.184 niet-kanker), die werd opgesplitst in trainings- (60%), validatie- (20%) en testsets (20%).

De modelarchitectuur maakte gebruik van een ResNet-50 backbone, vooraf getraind op ImageNet, waarbij de bovenste classificatielaag werd verwijderd en vervangen door een global average pooling layer, dropout layers en dense layers voor binaire classificatie. Het model werd getraind met binary cross-entropy loss met de Adam optimizer, waarbij gebruik werd gemaakt van early stopping en learning rate reduction om overfitting te voorkomen.

Om de interpreteerbaarheids kloof te overbruggen, integreerde de studie twee Explainable AI (XAI) technieken:

1. Grad-CAM (Gradient-weighted Class Activation Mapping): Toegepast op de conv5_block3_conv laag om ruimtelijke heatmaps te genereren. Dit visualiseert de specifieke regio's van het mammogram die de voorspelling van het model het meest hebben beïnvloed, waarmee de vraag beantwoord wordt: "waar?".
2. SHAP (SHapley Additive exPlanations): Toegepast op een gestratificeerde steekproef van 300 testafbeeldingen met behulp van KernelSHAP. Deze methode kwantificeert de bijdrage van individuele kenmerken aan de output van het model, wat globale interpreteerbaarheid biedt en de voorspellingszekerheid beoordeelt.

Belangrijkste Bijdragen
Het artikel levert vier primaire bijdragen:

1. Prestatiebenchmarking: Het toont aan dat een standaard ResNet-50 classifier een hogere sensitiviteit (72,2%) kan bereiken dan de gerapporteerde menselijke range (60–70%) voor dichte borstweefsel-mammografie, terwijl het een concurrerende specificiteit behoudt.
2. Omvattend XAI-framework: Het combineert ruimtelijke verklaringen (Grad-CAM) met kwantitatieve feature-belangrijkheid (SHAP) om klinisch inzetbare betrouwbaarheidsdrempels te genereren.
3. Foutkarakterisering: Het gebruikt Grad-CAM visualisaties om fouttypen te onderscheiden. Vals-negatieven worden gekenmerkt door zwakke, diffuse activatie die de laesie niet lokaliseert, terwijl vals-positieven ofwel sterke focale activatie over benigne massa's vertonen (misinterpretatie), of diffuse activatie over dicht parenchym (over-interpretatie).
4. Richtlijnen voor Klinische Implementatie: Het leidt specifieke vertrouwensrichtlijnen af op basis van SHAP-analyse, waarbij wordt aanbevolen het model te gebruiken als een ondersteunende tweede lezer (second reader) in plaats van een autonome screener.

Resultaten
Op een onafhankelijke testset van 3.274 gebalanceerde afbeeldingen behaalde het model:

• Nauwkeurigheid (Accuracy): 76,45%
• Sensitiviteit (Recall):ert): 72,2% (detectie van 1.182 van de 1.637 maligne gevallen)
• Specificiteit: 80,7% (correct identificatie van 1.321 van de 1.637 niet-kanker gevallen)
• AUC-ROC: 0,846
• Gemiddelde Precisie: 0,835

De sensitiviteit van 72,2% overtreft de typische menselijke prestatierange voor dichte borsten, hoewel de specificiteit iets lager is dan de radioloog-norm van 85–90%. De auteurs merken op dat deze trade-off klinisch acceptabel is voor een second-reader tool, waarbij het missen van een kanker het primaire risico is.

SHAP-analyse van 300 willekeurig gekozen testafbeeldingen toonde aan dat alle voorspellingen binnen een "onzeker" waarschijnlijkheidsbereik vielen (0,3–0,7), met een gemiddelde waarschijnlijkheid van 0,351 en een gemiddelde entropie van 0,64. Dit geeft aan dat het model gepaste voorzichtigheid toont op niet-geselecteerde mammogrammen en terugvalt op de baseline prevalentie bij gebrek aan sterk bewijs.

Betekenis en Claims
Het artikel claimt dat een standaard deep learning classifier, wanneer gekoppeld aan robuuste explainability-methoden, de menselijke sensitiviteit in het uitdagende domein van dicht borstweefsel kan overtreffen terwijl het transparante redeneringen biedt. De studie benadrukt dat het model het best kan worden ingezet als een tweede lezer (second reader), en niet als een autonome diagnostische tool.

Op basis van de SHAP-bevindingen doen de auteurs drie specifieke klinische aanbevelingen:

1. Vertrouw het model wanneer de output-waarschijnlijkheden onder de 0,3 of boven de 0,7 liggen, aangezien dit hoge-betrouwbaarheidvoorspellingen vertegenwoordigen.
2. Vereis verplichte beoordeling door een radioloog voor voorspellingen tussen 0,4 en 0,6, waar de onzekerheid van het model het grootst is.
3. Implementeer het model om gevallen met een hoge betrouwbaarheid te signaleren en ambigue gevallen over te dragen aan menselijke experts, waardoor het klinisch oordeel wordt versterkt in plaats van vervangen.

De auteurs concluderen dat dit framework een praktisch pad biedt voor de integratie van explainable AI in de screening van borstkanker, wat potentieel de vroege detectiegraad kan verbeteren en het aantal gemiste kankers in populaties met dicht borstweefsel kan verminderen. De studie erkent beperkingen, waaronder het ontbreken van een matched reader-studie, het gebruik van een gebalanceerde dataset die de prevalentie van kanker oververtegenwoordigt, en de afwezigheid van demografische annotaties voor analyse van subgroup-bias.