利用保形化不确定性感知AI框架实现非小细胞肺癌诊断的可信性

Implementing trust in non-small cell lung cancer diagnosis with a conformalized uncertainty-aware AI framework

作者信息Xiaoge Zhang, Tao Wang, Chao Yan, Fedaa Najdawi, Kai Zhou, Yuan Ma, Yiu-Ming Cheung, Maximus C F Yeung, Bradley A Malin
PMID42337062
发布时间2026-06-23
DOI10.1038/s41551-026-01694-8

实验完整度

高

多队列WSI数据(TCGA、CPTAC、QMH)、多种模型(Inception-v3及4种基础模型)、功能验证(分类、OOD检测、CP、EAT)与病理学家标注验证。

主要模型

TCGA非小细胞肺癌全切片图像数据集(LUAD vs LUSC) CPTAC非小细胞肺癌全切片图像数据集(外部验证) QMH-NSCLC私立非小细胞肺癌全切片图像队列 TCGA癌旁正常肺组织全切片图像(OOD数据集)

重点核对

TCGA数据集按患者65%训练、15%验证、20%校准与测试随机划分,重复20次独立训练,每次校准/测试划分随机500次 CPTAC数据集全部用于外部验证,100例患者用于校准,其余316例用于测试,随机划分500次 错误水平α设置(如0.05、0.01、0.1)及目标覆盖率1−α EAT中k-means聚类数k=3(基于验证集性能确定),剔除模糊簇后训练新模型 基础模型UNI、CONCH采用ABMIL进行切片级推理,丢弃60.0%瓦片

摘要

在癌症诊断中,确保可信性至关重要,因为误诊可能带来严重后果。当前的病理AI模型缺乏系统性方案来解决源于模型局限性和模型部署与开发环境之间数据差异的可信性问题。在此,我们介绍TRUECAM(以可信性为重点、不确定性感知、端到端癌症诊断且模型无关),这是一个旨在确保非小细胞肺癌全切片图像亚型分型的数据可信性和模型可信性的框架。TRUECAM整合了(1)用于识别超出范围输入的谱归一化神经高斯过程,(2)用于过滤高度模糊区域的模糊引导瓦片剔除,以解决数据可信性问题,以及(3)保形预测以确保受控的错误率。我们使用任务特定模型和基础模型在多个癌症数据集上系统评估了TRUECAM。计算实验表明,包裹TRUECAM的模型在分类准确性、鲁棒性、可解释性、数据效率和公平性方面始终优于未包裹的对应模型。这些发现确立了TRUECAM作为在真实环境中负责任部署病理AI的通用框架。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
如何为病理AI提供形式化、有原则且可扩展的不确定性量化,并实现非小细胞肺癌全切片图像的可信亚型分型。
核心机制
TRUECAM通过SNGP进行距离保持变换与不确定性估计以实现OOD检测和数据偏移控制,通过EAT剔除高模糊瓦片以增强监督信号,并通过CP(结合CRC)提供统计保证的误差率。
主要证据
在TCGA、CPTAC及QMH-NSCLC等超过20,000张WSI上,使用Inception-v3及UNI、CONCH、Prov-GigaPath、TITAN等模型,TRUECAM在分类准确性、OOD检测、CP效率、公平性和推理效率方面均优于原始模型。
研究意义
TRUECAM可作为通用框架与不同规模、架构和用途的病理AI模型集成,支持其在真实临床环境中的负责任应用,并通过人机协作将不确定或OOD病例转交病理学家。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据集构建与预处理

建立非小细胞肺癌亚型分型及OOD检测所需的训练、验证和测试数据集。

使用TCGA(941张WSI)、CPTAC(1,306张WSI)和QMH-NSCLC(3,123张WSI)数据集,以及TCGA癌旁正常组织(218张WSI)作为OOD数据;通过Slideflow进行组织分割、Otsu阈值化、灰度过滤、染色归一化和TFRecord保存。

2

SNGP不确定性量化模型训练与评估

验证SNGP在瓦片级和患者级非小细胞肺癌亚型分型中的性能及不确定性估计能力。

训练三种基于Inception-v3的模型:Deterministic、MC Dropout和SNGP;在TCGA上训练和内部验证,在CPTAC上外部验证;比较准确性和AUROC。

3

CP校准与统计覆盖保证

评估CP在SNGP基础上提供统计有效的预测集和误差率控制的能力。

在SNGP上启用CP,为每个患者生成预测集;评估有效性和效率(预测集大小);比较不同α水平下的表现。

4

EAT模糊瓦片剔除

验证剔除高模糊瓦片能否增强监督信号并提升亚型分型性能。

对SNGP提取的TCGA训练集瓦片表示进行k-means聚类,基于验证集性能确定k=3,剔除标签分配熵最高的模糊簇(占训练瓦片66.7%),训练SNGP-EAT模型;以SNGP-RE(随机剔除等量瓦片)为基线。

5

OOD检测与分布偏移控制

评估TRUECAM识别OOD输入并在分布偏移下维持模型覆盖的能力。

构建OOD数据集(TCGA癌旁正常组织),定义基于不确定性和基于概率的OOD评分;结合CRC与OOD检测,评估不同OOD与In-D比例下的经验覆盖率;应用DSC在CPTAC上评估性能。

6

基础模型集成与评估

验证TRUECAM与病理基础模型(UNI、CONCH、Prov-GigaPath、TITAN)集成的效果。

使用基础模型编码器提取瓦片表示,配合ABMIL、CLAM、TransMIL进行弱监督分类;应用SNGP、EAT和CP;评估分类准确性、覆盖率和预测集大小。

7

可解释性与推理效率评估

评估TRUECAM的注意力效率及推理速度。

由病理学家(F.N.)盲法标注TCGA测试集中LUAD和LUSC各一张WSI的肿瘤区域,评估低模糊区域与标注的一致性;定义注意力效率为高注意力瓦片中病理学家认为高度相关者的比例;测量端到端瓦片推理速度和切片级推理速度。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Slideflow--version 2.1.0
AutoGluon--version 1.1.1
NVIDIA RTX 4090图形处理器NVIDIA24 GB
NVIDIA GeForce 4090图形处理器NVIDIA24GB
PyTorch----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据集划分与模型训练
TCGA按患者65%训练、15%验证、20%校准与测试随机划分,重复20次;每次校准/测试划分随机500次;CPTAC全部外部验证,100例校准、316例测试
阅读提示:Methods中Dataset configuration小节及Supplementary Tables 1和2
SNGP与CP配置
错误水平α取值(如0.05、0.01、0.1);非一致性分数定义;校准集大小;预测集生成阈值
阅读提示:Methods中SNGP和CP小节
EAT模糊瓦片剔除
k-means聚类数k=3;剔除模糊簇中66.7%训练瓦片;基础模型中丢弃60.0%瓦片;模糊阈值基于验证集性能确定
阅读提示:Methods中EAT小节及Fig. 3a
OOD检测与DSC
OOD数据集来源(TCGA癌旁正常组织218张WSI);OOD评分使用前δ=20个最低不确定性瓦片;DSC中OOD阈值对应FPR=0.2;CRC与OOD检测联合使用
阅读提示:Methods中UQ和CRC小节及Fig. 5
基础模型集成
UNI和CONCH配合ABMIL,丢弃60.0%瓦片;ABMIL训练最多20个epoch,AdamW优化器,初始学习率1×10−4,余弦学习率调度;TCGA和CPTAC各重复20次,每次500次CP评估
阅读提示:Methods中Foundation models小节及Fig. 6
公平性评估
按性别和种族分组的患者亚组;TCGA和CPTAC的性别与种族分布;性能差距定义为最佳与最差亚组间准确率或预测集大小的差异
阅读提示:Methods中Model fairness evaluation小节及Supplementary Table 1