iSight: Towards expert-AI co-assessment for improved immunohistochemistry staining interpretation

Resumo Técnico: iSight e HPA10M para Coavaliação Especialista–IA em Imuno-histoquímica

Declaração do Problema
A imuno-histoquímica (IHC) é um pilar da patologia diagnóstica e da pesquisa biomédica, fornecendo informações moleculares com resolução espacial essenciais para a caracterização de tumores, classificação de doenças e estratificação terapêutica. Apesar de seu papel crítico, a interpretação da IHC permanece laboriosa, subjetiva e inconsistente em termos de reprodutibilidade entre instituições. Embora modelos de Inteligência Artificial (IA) treinados em lâminas coradas com Hematoxilina e Eosina (H&E) tenham mostrado promessa, sua aplicabilidade à IHC é limitada por desafios específicos do domínio:

1. Variabilidade de Coloração: A IHC exibe variações substanciais nos perfis de cores devido a diferentes cromógenos, corantes de contraste e protocolos.
2. Interpretação Complexa: Ao contrário da H&E, onde a morfologia é primária, a IHC requer a avaliação simultânea do contexto morfológico e dos padrões de localização de coloração específicos.
3. Integração de Metadados: Os conjuntos de dados de IHC contêm metadados estruturados ricos (ex: localização proteica esperada, tipo de tecido) frequentemente ausentes em conjuntos de dados de H&E, que, se integrados, poderiam aumentar significativamente o desempenho do modelo.
4. Escassez de Dados: Há uma falta de conjuntos de dados de IHC em larga escala, estruturados e harmonizados que sejam adequados para o treinamento de modelos de fundação.

Metodologia
Os autores abordam essas lacunas por meio de duas contribuições primárias: a curadoria de um conjunto de dados massivo e o desenvolvimento de um framework especializado de aprendizado multitarefa.

1. O Conjunto de Dados HPA10M
Os autores construíram o HPA10M, um conjunto de dados de larga escala composto por 10.495.672 imagens de IHC provenientes do Human Protein Atlas (HPA) versão 23.0.

• Curadoria: O conjunto de dados foi transformado de recursos web não estruturados para um formato pronto para aprendizado de máquina. Isso envolveu raspagem de dados (web scraping) customizada, harmonização de 20 anos de metadados XML acumulados e controle de qualidade rigoroso por patologistas certificados.
• Anotações: As imagens são anotadas com ontologias padronizadas (Uberon para anatomia, SNOMED CT para diagnósticos, UniProt/Ensembl para alvos). Os metadados incluem demografia do paciente, origem do tecido e características de coloração.
• Escopo: O conjunto de dados abrange 45 tipos de tecidos normais e 20 principais tipos de câncer, englobando mais de 17.200 biomarcadores proteicos.
• Estrutura: As imagens são pareadas com hashes MD5 únicos para rastreabilidade, e o conjunto de dados é dividido em um conjunto de treinamento (~10,5M de imagens) e um conjunto de teste mantido à parte (2.000 imagens).

2. A Arquitetura do Modelo iSight
O iSight (Immunohistochemical Staining Insight with Hybrid Transformers) é um framework de aprendizado multitarefa projetado para integrar características visuais com metadados estruturados.

• Módulo de Codificação de Tecido: Imagens de lâmina inteira são divididas em patches de 336×336 pixels. Um Vision Transformer (CLIP-ViT-large-patch14-336) extrai embeddings de tokens. Em vez de agregar dentro dos patches, o modelo concatena todos os tokens e aplica um mecanismo de atenção por portão (gated attention) para criar uma representação de nível de tecido ponderada, permitindo que o modelo foque em áreas diagnosticamente relevantes enquanto mantém o contexto global.
• Módulo de Codificação de Contexto: Os metadados (tipo de tecido, códigos SNOMED, informações de anticorpo/gene) são processados via um codificador de texto CLIP. Durante o treinamento, legendas de texto são concatenadas com metadados para criar uma entrada multimodal; durante a inferência, apenas a informação do tipo celular é utilizada para evitar vazamento de dados (data leakage).
• Aprendizado Multitarefa: O modelo utiliza cabeças de classificação paralelas para prever simultaneamente:
  • Tarefas Primárias: Intensidade de Coloração (4 classes), Localização de Coloração (4 classes) e Quantidade de Coloração (4 classes).
  • Tarefas Auxiliares: Tipo de Tecido (58 classes) e Status de Malignidade (2 classes).
• Treinamento: O modelo foi treinado de ponta a ponta usando o otimizador Adam por uma época no conjunto de treinamento HPA10M.

Resultados Principais
1. Desempenho nos Dados Mantidos à Parte
No conjunto de teste HPA de 2.000 imagens, o iSight superou os modelos de fundação de patologia ajustados (fine-tuned) (PLIP e CONCH) em todas as tarefas primárias:

• Localização de Coloração: 85,5% de acurácia (vs. 79,4% para PLIP e 73,2% para CONCH).
• Intensidade de Coloração: 76,6% de acurácia (vs. 73,0% para PLIP e 70,0% para CONCH).
• Quantidade de Coloração: 75,7% de acurácia (vs. 73,2% para PLIP e 70,1% para CONCH).
• Tarefas Auxiliares: O iSight alcançou 95,7% de acurácia para tipo de tecido e 99,9% para status de malignidade.
• Desempenho Ordinal: Para intensidade e quantidade, o iSight alcançou alta acurácia "dentro de um rank de diferença" (within-one-rank) (96,6% e 94,3%, respectivamente) e baixas taxas de erro "além de um rank" (beyond-one-rank), indicando que os erros eram tipicamente desvios menores em vez de classificações errôneas severas.
• Calibração: O modelo demonstrou previsões bem calibradas com baixos Erros de Calibração Esperada (ECE) variando de 0,0150 a 0,0408.
• Robustez: O iSight manteve o desempenho estável sob corrupções sintéticas de imagem (recorte aleatório e ruído salt-and-pepper), mostrando degradação mínima na acurácia.

2. Estudo de Usuário com Patologistas
Um estudo de usuário envolvendo oito patologistas (variando de residentes a especialistas) avaliou 200 imagens dos conjuntos de dados HPA e Stanford TMAD.

• Melhoria na Acurácia: A acurácia dos patologistas melhorou após receberem sugestões da IA no conjunto de dados HPA: Localização (68% → 70%), Intensidade (57% → 60%) e Quantidade (52% → 56%). O iSight sozinho superou tanto as pontuações iniciais quanto as pontuações assistidas por IA.
• Acordo Interobservador: A assistência da IA melhorou o consenso entre os patologistas. O $\kappa$ de Cohen aumentou de 0,63 para 0,70 no conjunto de dados HPA e de 0,74 para 0,76 no conjunto de dados Stanford TMAD.
• Influência da IA: Quando os patologistas discordavam inicialmente da IA, eles adotaram a sugestão da IA em 34,3% das discordâncias de localização, 28,0% das discordâncias de intensidade e 21,3% das discordâncias de quantidade no conjunto de dados HPA.

Significância e Alegações
O artigo afirma que este trabalho estabelece uma base para sistemas de IA capazes de melhorar a precisão e a consistência diagnóstica da IHC. As principais contribuições incluem:

• HPA10M: O primeiro conjunto de dados de IHC em larga escala e sistematicamente curado, permitindo o aprendizado de fundação de padrões específicos de IHC, que anteriormente era dificultado pela falta de dados estruturados.
• iSight: Uma demonstração de que inovações arquiteturais específicas de tarefa (aprendizado multitarefa com integração de metadados) podem superar modelos de fundação de patologia genéricos adaptados da análise de H&E.
• Colaboração Humano-IA: O estudo fornece evidências empíricas de que a IA pode servir como uma ferramenta de suporte à decisão que melhora a consistência diagnóstica e o acordo entre observadores sem substituir o julgamento especialista. Os autores observam que, embora a assistência da IA tenha melhorado o desempenho do patologista, ela não fechou totalmente a lacuna em relação ao desempenho autônomo da IA, sugerindo que fatores cognitivos (ex: ancoragem a julgamentos iniciais) influenciam a adoção da orientação da IA.

Os autores posicionam o iSight como um passo em direção a sistemas clinicamente implantáveis que aumentam a expertise do patologista, com um design modular que permite a adaptação a novos biomarcadores e fluxos de trabalho. Eles reconhecem limitações, incluindo a necessidade de validação multi-institucional, a ausência de imagens de H&E pareadas no atual conjunto de dados e o fato de que os rótulos de referência do HPA podem não representar um padrão ouro absoluto.