Radiologist-Guided Causal Concept Bottleneck Models for Chest X-Ray Interpretation

技术摘要：放射科医生引导的胸部 X 光解读因果概念瓶颈模型

问题陈述
概念瓶颈模型（CBMs）旨在通过预测中间的人类可理解概念，进而得出最终诊断，从而提升医学影像的可解释性。然而，该领域现有的 CBM 面临三个主要局限：

1. 判别偏差：大多数模型将概念视为独立的预测特征（概念 $\rightarrow$ 病理），忽略了疾病导致可观察发现的底层临床生成过程（病理 $\rightarrow$ 概念）。
2. 缺乏临床基础：许多方法依赖于弱监督或潜在概念，这些概念可能与有意义的诊断推理或稳定的语义定义不一致。
3. 虚假关联：若无明确的结构约束，在嘈杂的医学数据集上训练的模型可能会学习到概念与病理之间不反映现实世界诊断逻辑的不可信相关性。

方法：XpertCausal
作者提出了XpertCausal，这是一种用于胸部 X 光（CXR）解读的放射科医生引导的因果 CBM。该架构遵循两阶段流程：

1. 概念预测：一个在 ImageNet 上预训练的 InceptionV3 骨干网络，将输入的 CXR 映射为包含 11 个临床精选概念的向量（例如“混浊”、“心脏增大”），这些概念是通过基于规则的提取流程从放射学报告中派生而来的。
2. 因果病理推断：与标准 CBM 不同，XpertCausal 使用含噪 -OR 概率框架对生成方向（病理 $\rightarrow$ 概念）的关系进行建模。
   • 生成模型：给定一组病理 $y$，概念 $c_k$ 存在的概率建模为：
     $$P(c_k = 1 | y) = 1 - (1 - \lambda_k) \prod_{j: y_j=1} (1 - \eta_{jk})$$
     其中 $\eta_{jk}$ 是病理 $j$ 与概念 $k$ 之间的关联强度，$\lambda_k$ 是泄漏项。
   • 专家约束：模型结构受放射科医生策划的关联矩阵约束。该矩阵将关系定义为强（2）、弱（1）或无（-），确保因果图中仅存在临床可信的路径。
   • 贝叶斯推断：在推理阶段，通过反转生成模型来估计给定预测概念下的病理概率：
     $$P(y | c) = \frac{P(c | y) P(y)}{\sum_{y'} P(c | y') P(y')}$$
   • 解释生成：解释是通过根据概念对预测病理的因果贡献（对数似然比）对概念进行排名而生成的，而不仅仅是基于预测置信度。

主要贡献

1. 新颖架构：提出了 XpertCausal，它将可解释的概念瓶颈与使用含噪 -OR 框架和贝叶斯反转的概率因果疾病建模相结合。
2. 专家引导的结构：将放射科医生定义的概念 - 病理关联作为结构约束整合到因果图中。这强制了基于临床基础的推理，并防止学习不可信的依赖关系。
3. 全面评估：在 MIMIC-CXR 数据集上进行了严格评估，将 XpertCausal 与非因果的专家驱动基线（XpertXAI）以及具有无约束学习关联的因果消融模型（Causal (Learned)）进行了比较。

结果
在 MIMIC-CXR 数据集（44,038 对 CXR-报告）上的评估显示，XpertCausal 在多个指标上表现出卓越性能：

• 病理预测：XpertCausal 实现了最高的宏平均 AUROC（0.7968）和 F1 分数（0.7109），优于非因果的 XpertXAI（AUROC 0.7361）和无约束的 Causal (Learned) 模型（AUROC 0.7631）。它还实现了最佳的校准（期望校准误差为 0.0079）。
• 解释质量：XpertCausal 在低 $K$ 值（前 1–2 个概念）下捕获了最高比例的真实概念，表明它能更可靠地将诊断相关的发现排名为最重要的。
• 图忠实度：对 learned 边权的分析显示，XpertCausal 在专家定义的“强”、“弱”和“无”类别之间保持了强烈的分离。相比之下，无约束的 Causal (Learned) 模型为“无”关联分配了非零权重（例如将“气胸”与“无异常”关联），这反映了虚假关联而非临床逻辑。

意义与主张
该论文主张，将临床驱动的因果结构和专家领域知识纳入 CBM，能够产生不仅更准确、校准更好，而且更符合人类诊断推理的模型。通过显式建模生成过程（病理 $\rightarrow$ 概念）并通过贝叶斯推断将其反转，XpertCausal 提供了一个框架，其中的解释与疾病表现的因果机制相关联，而不仅仅是统计相关性。作者断言，在嘈杂的医学数据集中，仅靠因果结构是不够的；如果没有专家定义的约束，学习到的图可能会捕获特定于数据集的伪影，而非真正的诊断路径。

局限性
作者承认，当前研究仅限于由单一放射科医生策划的特定概念空间（11 个概念）和六个目标标签。未来的工作提议扩展概念和病理空间，纳入额外的专家关系，并验证跨外部数据集和成像设置的泛化能力。