StructMIL: Aprendizaje automático de múltiples instancias basado en prototipos para la generalización heterogénea en histopatología | JoVE Visualize

Área de la Ciencia:

Patología computacional
Inteligencia artificial en oncología
Patología digital

Sus antecedentes:

El diagnóstico preciso del cáncer a partir de imágenes completas de portaobjetos (WSIs) se ve obstaculizado por anotaciones limitadas, estructuras tumorales complejas y cambios de dominio.
Los métodos existentes de aprendizaje de múltiples instancias (MIL) tienen dificultades con la generalización y la interpretabilidad en patología computacional.

Objetivo del estudio:

Introducir StructMIL, un marco novedoso para la detección y clasificación de cáncer robusta e interpretable a partir de WSIs.
Mejorar la precisión, generalización e interpretabilidad de los modelos de patología computacional.

Principales métodos:

Desarrolló un marco MIL (StructMIL) basado en prototipos y consciente de la estructura.
Integró priors topológicos basados en grafos y contexto histológico.
Empleó agrupación mejorada por prototipos para predicciones estables.
Implementó una estrategia de generalización de dominio que incluye alineación contrastiva, confusión adversaria y regularización de consistencia.

Principales resultados:

StructMIL logró un rendimiento de vanguardia en Camelyon16 (detección de metástasis de cáncer de mama) y PANDA (clasificación Gleason de cáncer de próstata).
Mejoró el AUC entre centros en un +3,2% en Camelyon16 (AUC 0,967).
Aumentó la robustez de la clasificación Gleason entre escáneres en un +7,4% en Cohen's Kappa en PANDA en comparación con modelos MIL anteriores.
Generó mapas de atribución interpretables basados en prototipos que resaltan estructuras significativas.

Conclusiones:

StructMIL ofrece una solución práctica para flujos de trabajo de patología computacional multicéntrico al mejorar la precisión, la interpretabilidad y la generalización.
El marco demuestra mejoras significativas en la robustez frente a los cambios de dominio entre escáneres e instituciones.
StructMIL proporciona información confiable e interpretable para el diagnóstico y la clasificación del cáncer.