Resumo Técnico: GCE-MIL: Evidência Fiel e Recuperável para Aprendizado de Múltiplas Instâncias em Imagem de Lâmina Completa

1. Declaração do Problema

Na patologia computacional, as Imagens de Lâmina Completa (WSIs) são tipicamente processadas usando Aprendizado de Múltiplas Instâncias (MIL), onde uma lâmina é tratada como um "saco" de milhares de patches de tecido, e a supervisão está disponível apenas no nível da lâmina. Modelos MIL padrão baseados em atenção (por exemplo, ABMIL, CLAM, TransMIL) agregam características de patches para prever rótulos no nível da lâmina. Embora esses modelos frequentemente visualizem pesos de atenção como "evidência" para suas previsões, o artigo argumenta que essa prática confunde dois objetivos distintos: precisão de classificação e qualidade da evidência.

Os autores identificam três falhas sistemáticas quando pesos de atenção são usados como evidência:

1. Insuficiência: Manter apenas os patches com maior atenção frequentemente falha em preservar a previsão original. Através de 9 conjuntos de dados, manter apenas os patches top-k de atenção reduz o Macro-F1 em uma média de 0,078 em comparação com o saco completo.
2. Desnecessidade: Remover os patches com maior atenção frequentemente tem pouco impacto na previsão, indicando que o modelo depende de informações redundantes em outros lugares. Remover os top-k de atenção altera o Macro-F1 em apenas 0,033 em média.
3. Irrecuperabilidade: Há uma lacuna significativa entre as pontuações de atenção contínuas aprendidas durante o treinamento e os subconjuntos discretos extraídos na inferência. Para o ABMIL padrão, essa lacuna contínua-discreta (C-D) é de 0,029, o que significa que a evidência discreta não representa fielmente o sinal contínuo.

Além disso, o artigo observa que a evidência de WSI é frequentemente não única; uma única lâmina pode conter múltiplos conjuntos disjuntos de patches que são individualmente suficientes para o diagnóstico, no entanto, os mecanismos de atenção padrão colapsam esses conjuntos em uma única classificação, falhando em capturar essa ambiguidade estrutural.

2. Metodologia: GCE-MIL

Os autores propõem o GCE-MIL (Grounded Continuous Evidence MIL), um wrapper agnóstico ao backbone projetado para otimizar diretamente a qualidade da evidência, em vez de tratá-la como um subproduto da classificação. O framework é construído sobre três critérios: Suficiência, Necessidade e Recuperabilidade (S/N/R).

Componentes Principais

1. Ancoragem Semântica (Abordando a Necessidade):

   • Em vez de aprender a seleção puramente a partir de gradientes de classificação, o GCE-MIL ancora a seleção de patches em conceitos semânticos específicos do domínio (por exemplo, "pleomorfismo nuclear", "atividade mitótica").
   • Utiliza um banco de $M=8$ embeddings de texto congelados derivados do TITAN, um modelo de visão e linguagem para patologia.
   • Um adaptador de baixo rank e uma rede ponte mapeiam as características dos patches para o espaço de ancoragem. O seletor é treinado para garantir que os patches selecionados se alinhem com esses conceitos diagnósticos, prevenindo a seleção de regiões visualmente salientes, mas irrelevantes.

2. Seletor Contínuo com Cobertura Noisy-OR (Abordando a Suficiência):

   • O modelo emprega um seletor contínuo $\pi \in [0, 1]^N$ para determinar a inclusão de patches.
   • Para agregar evidência através de múltiplos conceitos diagnósticos, o framework usa cobertura Noisy-OR em vez de pooling médio ou atenção. Para uma âncora específica $m$, a cobertura é calculada como $v_m(\pi) = 1 - \prod_i (1 - \pi_i r_{im})$.
   • Este mecanismo modela patches como canais de evidência independentes com retornos marginais decrescentes. Foi provado ser submodular monótono, o que permite otimização gananciosa principista. Isso garante que o subconjunto selecionado cubra os conceitos diagnósticos necessários sem redundância.

3. Recuperação Discreta por Limiar Mais Reparo (Abordando a Recuperabilidade):

   • Na inferência, o seletor contínuo é convertido em um subconjunto discreto através de um procedimento de limiar mais reparo.
   • Primeiro, os patches são submetidos a um limiar (por exemplo, $\pi_i > 0,5$). Se o subconjunto resultante falhar em atingir uma meta de cobertura (por exemplo, 95% da cobertura da âncora), um algoritmo ganancioso de reparo adiciona patches com base no ganho marginal exato da utilidade noisy-OR.
   • Isso garante que o subconjunto discreto seja uma recuperação fiel do seletor contínuo, minimizando a lacuna C-D.

Objetivo de Treinamento

O wrapper é treinado conjuntamente com o backbone hospedeiro usando uma perda composta:
$$L = L_{task} + \lambda_b L_{budget} + \lambda_g L_{ground}$$

• $L_{task}$: A perda original de classificação ou sobrevivência (preservando a capacidade preditiva).
• $L_{budget}$: Impõe esparsidade (por exemplo, selecionando ~5% dos patches) para impulsionar a Suficiência.
• $L_{ground}$: Alinha o seletor com as respostas da âncora noisy-OR para impulsionar a Necessidade.
• Recozimento de Temperatura: A temperatura do seletor é recozida de 1,0 para 0,4 durante o treinamento para empurrar a distribuição do gate para um regime bimodal, facilitando a recuperação discreta.

Modos de Injeção

O GCE-MIL é um wrapper plug-in que se adapta a diferentes arquiteturas de backbone:

• Backbones baseados em atenção (ABMIL, CLAM): Injetados como um viés de logit de atenção ($\alpha_i \leftarrow \alpha_i + \log \pi_i$).
• Backbones baseados em tokens (TransMIL, DTFD-MIL): Injetados como reponderação de características ($h_i \leftarrow \pi_i \cdot h_i$).
• Backbones híbridos/multi-caminho: Uma combinação de ambos.

3. Contribuições Principais

1. Formalização da Qualidade da Evidência: O artigo define e operacionaliza três critérios (Suficiência, Necessidade, Recuperabilidade) para avaliar evidência MIL, demonstrando que métodos padrão baseados em atenção falham em todos os três.
2. Diagnóstico de Subconjunto Mínimo: Uma análise recursiva no conjunto de dados BRACS revela que 72,67% das lâminas de validação admitem pelo menos dois subconjuntos suficientes disjuntos, motivando a necessidade de seleção de evidência além de uma única classificação de atenção.
3. Framework GCE-MIL: Um wrapper modular que integra ancoragem semântica, cobertura noisy-OR e recuperação discreta. É projetado para ser ortogonal aos backbones existentes, aprimorando-os sem substituir seus mecanismos de agregação central.
4. Avaliação Abrangente: O método é avaliado em uma grade de 9 $\times$ 9 (9 backbones $\times$ 9 conjuntos de dados), cobrindo tanto classificação (BRACS, PANDA, TCGA-BRCA, TCGA-NSCLC) quanto previsão de sobrevivência (TCGA-LUAD, STAD, UCEC, KIRP, KIRC).

4. Resultados

A avaliação demonstra que a otimização para S/N/R melhora tanto a qualidade da evidência quanto, em muitos casos, o desempenho preditivo.

• Desempenho Preditivo: Através de 81 configurações, o GCE-MIL melhora o Macro-F1 médio em 0,024 e o índice C em 0,014. Os maiores ganhos são observados em tarefas desafiadoras e de granularidade fina (por exemplo, classificação de 7 classes do BRACS), onde o Macro-F1 do ABMIL aumentou de 0,634 para 0,703 (+6,9 pontos).
• Qualidade da Evidência (Diagnóstico de Intervenção):
  • Suficiência: Manter a evidência GCE altera a pontuação do saco completo em apenas 0,004, em comparação com uma queda de 0,078 para os top-k de atenção.
  • Necessidade: Remover a evidência GCE causa uma queda de desempenho de 0,176, em comparação com apenas 0,033 para os top-k de atenção.
  • Recuperabilidade: A lacuna contínua-discreta é reduzida de 0,029 (ABMIL) para 0,004–0,005 com o GCE.
• Eficiência: Com pré-filtragem opcional de tiles (ignorando patches não selecionados antes da extração de características), a inferência roda até 5$\times$ mais rápido enquanto retém 0,989$\times$ da utilidade do saco completo. Mesmo com características em cache, o tempo de agregação MIL é reduzido para 0,22$\times$ do original.
• Localização: No conjunto de dados CAMELYON-16, adicionar GCE melhora as pontuações Dice (por exemplo, TransMIL de 0,103 para 0,398) e as pontuações FROC, indicando melhor alinhamento espacial com as regiões tumorais anotadas.

5. Significado e Alegações

O artigo alega que o GCE-MIL aborda uma lacuna fundamental no MIL: a suposição de que a precisão de classificação implica evidência fiel. Ao otimizar explicitamente para Suficiência, Necessidade e Recuperabilidade, o método produz evidência que é:

• Autocontida: Os patches selecionados sozinhos preservam a previsão.
• Crítica: Remover os patches selecionados degrada a previsão.
• Fiel: A evidência discreta na inferência corresponde ao sinal contínuo aprendido durante o treinamento.

Os autores enfatizam que o GCE-MIL é um wrapper e não um backbone de substituição, tornando-o aplicável a uma ampla gama de arquiteturas MIL existentes. Os resultados sugerem que a qualidade da evidência não é meramente uma preocupação de interpretabilidade post-hoc, mas um fator que, quando otimizado, pode aprimorar a robustez e a precisão do modelo preditivo subjacente, particularmente em cenários diagnósticos complexos e multi-conceito. O trabalho também destaca que os mecanismos de atenção padrão frequentemente falham em capturar a natureza não única e multi-fonte da evidência patológica, uma limitação que o GCE-MIL mitiga através de sua abordagem baseada em cobertura.