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

1. Declaração do Problema

O artigo aborda o desafio de automatizar a pontuação do Índice Histológico de Nancy (NHI) para a atividade da Colite Ulcerativa (CU).

• Contexto Clínico: O NHI é uma escala padrão de 5 graus (0–4) utilizada para avaliar a atividade histológica na CU, sendo crucial para ensaios clínicos e cuidados de rotina. A graduação manual é demorada e sofre de variabilidade significativa entre e intra-observadores.
• Desafio Técnico: Soluções existentes de patologia computacional frequentemente dependem de anotações densas em nível de região ou de célula, que são caras para gerar e difíceis de padronizar entre diferentes instituições.
• Objetivo Específico: Desenvolver um sistema de pontuação automatizado e robusto que opere sob supervisão fraca (utilizando apenas rótulos em nível de caso ou de lâmina) em conjuntos de dados multicêntricos com protocolos de coloração heterogêneos, tipos de scanners e populações de pacientes.

2. Metodologia

Os autores propõem um pipeline de Aprendizado de Múltiplas Instâncias (MIL) com Supervisão Fraca adaptado para Imagens de Lâmina Completa (WSIs).

A. Preparação dos Dados

• Conjunto de Dados: Coleta retrospectiva de biópsias de cólon coradas com H&E de três instituições checas (IKEM, TUH, KNL) abrangendo o período de 2019–2025.
• Rótulos: Apenas os graus NHI em nível de lâmina/caso (0–4) estavam disponíveis. Nenhuma anotação em nível de região foi utilizada.
• Pré-processamento:
  • Detecção de tecido e controle de qualidade (remoção de desfoque/artefatos).
  • Fragmentação (Tiling): As lâminas são divididas em fragmentos em três resoluções (T0, T1, T2).
  • Divisão dos Dados: Divisão em nível de caso para garantir que não haja vazamento de dados de pacientes entre os conjuntos de treinamento, teste preliminar e teste final.

B. Arquitetura do Modelo

O pipeline utiliza uma abordagem de Modelo de Base (Foundation Model) combinada com uma estratégia MIL especializada:

1. Codificadores de Modelo de Base: Codificadores visuais pré-treinados congelados (UNI2-h, Prov-GigaPath, Virchow2) extraem incorporações de fragmentos ($h_i$).
2. Modelos de Inferência Especializados: Em vez de um único modelo monolítico, três modelos MIL distintos são treinados para tarefas de diagnóstico específicas:
   • Modelo de Atividade de Neutrófilos: Classificação binária (Baixa vs. Alta atividade).
   • Modelo Nancy-Baixo: Classificação multiclasse para os graus {0, 1, Alta}.
   • Modelo Nancy-Alto: Classificação multiclasse para os graus {Baixa, 2, 3, 4}.
3. Agregação Baseada em Atenção (Variação Primeiro-Instância):
   • O MIL padrão agrega incorporações primeiro e, em seguida, classifica.
   • Variação deste artigo: Aplica um classificador específico da tarefa ($c_\psi$) a cada incorporação de fragmento para gerar logits em nível de fragmento ($s_i$).
   • Esses logits de fragmento são então agrupados usando pesos de atenção ($a_i$) para gerar logits em nível de lâmina: $s = \sum a_i s_i$.
   • Esta abordagem "primeiro-instância" permite pontuação direta em nível de fragmento e melhor interpretabilidade.

C. Pós-processamento e Ensemble

• Estratégia de Ensemble: Na inferência, os três modelos votam para determinar o grupo de atividade (Baixo vs. Alto).
• Previsão Final: O NHI final de 5 graus é derivado selecionando o modelo especialista apropriado (Baixo ou Alto) e tomando o argmax sobre suas classes de grau específicas, ignorando a classe do grupo "outro".

3. Contribuições Principais

1. Framework de Supervisão Fraca: Enfrenta com sucesso a previsão do NHI utilizando apenas rótulos grosseiros em nível de lâmina, eliminando a necessidade de anotações densas e custosas.
2. Arquitetura MIL Especializada: Introduz um "bloqueio hierárquico" via um ensemble de modelos específicos da tarefa (Neutrófilos, Baixo, Alto) em vez de um único classificador plano, melhorando o desempenho em pontos finais clínicos específicos.
3. Integração de Modelo de Base: Demonstra a eficácia de modelos de base modernos de patologia (especificamente Virchow2) no manuseio de heterogeneidade multicêntrica.
4. Validação Multicêntrica: Avaliação rigorosa em três instituições distintas com protocolos variados, provando robustez à mudança de domínio.
5. Interpretabilidade: Utiliza pesos de atenção e classificação primeiro-instância para visualizar regiões específicas de tecido (por exemplo, criptite, abscessos) que impulsionam a decisão.

4. Resultados

O modelo foi avaliado em um conjunto de teste final composto por dados de todos os três centros.

• Métricas de Desempenho:
  • $\kappa$ de Cohen Ponderado: 0,85 (comparado ao $\kappa$ de referência da PathAI de 0,91).
  • Correlação de Spearman ($\rho$): 0,85 (comparado ao 0,89 da PathAI).
  • O desempenho é comparável a sistemas de referência fortes, apesar de usar apenas supervisão fraca.
• Estudos de Ablação:
  • Escolha do Codificador: O Virchow2 forneceu os ganhos mais consistentes. O uso de uma resolução mais baixa (T2) com Virchow2 melhorou a precisão para as tarefas de Neutrófilos e Nancy-Baixo, enquanto reduziu o tempo de computação em ~10x.
  • Ensemble vs. Bloqueio Hierárquico: A abordagem de ensemble proposta ($\kappa$ ponderado = 0,89) superou uma linha de base de bloqueio hierárquico estrito ($\kappa$ ponderado = 0,87), sugerindo que visões independentes específicas da tarefa produzem decisões mais robustas.
  • Detecção de Neutrófilos: O modelo de neutrófilos aprendido superou significativamente um detector externo pré-treinado (Precisão: 0,91 vs. 0,74).
• Interpretabilidade: Mapas de calor de atenção destacaram com sucesso características biologicamente relevantes, como criptite neutrofílica, abscessos criptais e lesão epitelial de superfície.

5. Significado e Conclusão

• Impacto Clínico: Este trabalho demonstra que MIL com supervisão fraca com modelos de base pode fornecer pontuação de histologia robusta e interpretável em cenários multicêntricos realistas e heterogêneos.
• Eficiência: Ao depender de rótulos em nível de lâmina, a abordagem reduz drasticamente a carga de anotação sobre os patologistas, tornando a implantação em larga escala viável.
• Suporte à Decisão: O sistema atua como uma ferramenta viável de suporte à decisão que pode padronizar a graduação entre centros e reduzir a variabilidade entre observadores, particularmente para distinguir entre casos inativos (NHI 0) e altamente ativos (NHI 4).
• Direção Futura: O estudo valida o potencial de "modelos de base + supervisão fraca" como um paradigma padrão para patologia computacional em ambientes clínicos complexos e do mundo real.