通过集成基础模型实现Barrett食管病理学的可靠形态学亚型分型与癌症检测

Towards reliable morphological subtyping and cancer detection on Barrett's esophagus pathology through ensembling foundation models

作者信息Azar Kazemi, Camillo Saueressig, Jingsong Liu, Han Li, Julius Shakhtour, Bianca Grosser, Fabian Stögbauer, Julia Horstmann, Nassir Navab, Saeid Eslami, Michael Quante, Julia Slotta-Huspenina, Peter J Schüffler
PMID42919834
发布时间2026-10-21
DOI10.1038/s41746-026-03329-3

实验完整度

中

基于BarrettNet多中心队列3528张WSI,比较19种基础模型结合MIL进行分型与癌症检测,含病理学家热图评估,但无外部验证及跨固定方式验证。

主要模型

BarrettNet多中心队列(790例患者,3528张H&E全切片图像) N2EAC-MIL弱监督多实例学习模型 19种组织病理学基础模型(Histo-FMs)及ResNet50

重点核对

10折蒙特卡洛交叉验证,每折训练集80%、验证集10%、测试集10%,患者层面分层防止数据泄漏 形态学亚型分型四分类:非Barrett正常组织、无异性增生Barrett化生、伴异性增生Barrett化生(LGD和HGD)、腺癌 EAC检测二分类:腺癌为癌症类,其余为非癌症类 WSI在5×、10×、20×、40×四个放大倍数下分割,使用224×224像素非重叠瓦片 集成模型通过Cohen's kappa选出的前五名单尺度模型进行概率软投票

摘要

新兴组织病理学基础模型(Histo-FMs)在真实世界诊断任务中的可靠性仍未经证实。鉴于诊断任务的复杂性以及真实世界数据固有的挑战,我们利用Histo-FMs研究了其在Barrett食管(BE)形态学亚型分型以及在整个BE进展谱系中检测食管腺癌(EAC)方面的效用。我们在BarrettNet队列上对Histo-FMs进行了基准测试,该队列涵盖从正常到EAC(N2EAC)的诊断类别。数据集包括来自790名患者的3528张苏木精-伊红(H&E)染色的全切片图像(WSIs)。对五个专家一致性最高的单尺度模型进行多放大倍数、多主干的聚合,产生了增量性能提升(形态学亚型分型:AUROC为0.907,F1分数为0.696,准确度为0.795,κ为0.651;EAC检测:AUROC为0.909,F1分数为0.836,准确度为0.959,κ为0.673),在单模型比较中增益不均匀,且对异型增生的益处有限。这些发现支持Histo-FMs在多中心临床队列中进行BE形态学亚型分型和EAC检测的能力,同时凸显了异型增生评估中持续存在的挑战以及外部验证的必要性。本研究为未来的临床验证提供了基础。

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
Histo-FMs在真实世界异质性临床队列中,对Barrett食管全诊断谱系(从正常到EAC)的形态学亚型分型和EAC检测是否可靠,以及集成策略能否提升性能。
核心机制
多放大倍数、多主干聚合五个专家一致性最高的单尺度N2EAC-MIL模型,通过互补预测行为实现增量性能增益,但增益因指标、模型和任务而异,对异型增生分类的改善有限。
主要证据
在BarrettNet队列3528张WSI上,集成模型形态学亚型分型AUROC为0.907、F1为0.696、准确度0.795、κ为0.651;EAC检测AUROC为0.909、F1为0.836、准确度0.959、κ为0.673;病理学家热图评估显示模型注意力部分定位于诊断相关形态,ICC(A,k)=0.651。
研究意义
研究支持Histo-FMs在BE形态学亚型分型和EAC检测中的能力,为未来临床验证提供基础,并提示基于Histo-FMs的集成方法可能作为辅助工具支持病理学家评估诊断困难的BE病变,但异型增生评估和外部验证仍是持续挑战。

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

建立涵盖BE全进展谱系的WSI数据集,并进行标准化预处理以供模型训练。

从BarrettNet队列中整理H&E染色WSI,排除非H&E染色和不完整数据,使用DeepLabV3-ResNet50分割组织前景,在5×、10×、20×、40×四个放大倍数下将前景分割为224×224像素非重叠瓦片。

2

单尺度N2EAC-MIL模型训练与评估

评估19种基础模型在不同放大倍数下对形态学亚型分型和EAC检测的性能。

对每种基础模型提取瓦片级特征,不微调编码器,使用CLAM框架的N2EAC-MIL进行弱监督切片级分类,在四个放大倍数下分别训练,采用10折蒙特卡洛交叉验证。

3

模型一致性分析与ExCo模型选择

评估模型间及模型与参考标准之间的一致性,选出专家一致性最高的五个模型。

计算Cohen's kappa评估模型预测与参考标准的一致性,计算Fleiss' kappa评估多评估者一致性,进行模型间两两一致性分析,按Cohen's kappa选出前五名ExCo模型。

4

多放大倍数多主干集成

评估聚合前五名ExCo模型能否提升形态学亚型分型和EAC检测性能。

对前五名ExCo模型在多放大倍数下的预测概率进行软投票平均,使用单侧配对Wilcoxon符号秩检验评估集成相对于单模型的改善。

5

病理学家热图验证

评估模型注意力热图是否与诊断相关形态区域对齐。

从每种形态学亚型中随机选择一张正确预测的WSI,在模型最佳放大倍数下生成热图,由参与原始诊断评估的病理学家使用5点Likert量表评分,并计算ICC评估评分者间信度。

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
PAXgene组织固定液Qiagen--
Leica Aperio GT 450 DX扫描仪Leica--
GeForce RTX 3090 GPU----

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
数据集构建
队列来源与纳入排除标准:BarrettNet德国多中心队列,排除非H&E染色和不完整数据;样本量3528张WSI/790名患者;诊断类别分布
阅读提示:Methods 'Dataset'小节;Results 'Dataset'小节
WSI预处理
分割模型DeepLabV3-ResNet50;瓦片大小224×224像素;四个放大倍数5×、10×、20×、40×;扫描仪Leica Aperio GT 450 DX,0.26 µm/pixel
阅读提示:Methods 'WSI preprocessing'小节;Fig. 8a
N2EAC-MIL模型训练
10折蒙特卡洛交叉验证划分比例80%/10%/10%;患者层面分层;学习率1e-5;正则化1e-7;bag weight 0.7;dropout 0.25;Adam优化器;注意力隐藏层512;特征投影768;最大epochs 1/2/5/10/20/50;早停策略
阅读提示:Methods 'Model training and evaluation'小节
集成模型构建
前五名ExCo模型选择依据Cohen's kappa;软投票概率平均;形态学亚型分型和EAC检测的ExCo模型列表
阅读提示:Methods 'Ensembling'小节;Fig. 8f
病理学家热图验证
热图生成放大倍数选择依据;5点Likert量表;35张热图样本量;三名病理学家组成;ICC计算方式
阅读提示:Methods 'Pathologist validation'小节;Fig. S8–S9