Tesis de Máster: Un Marco Modular para el Preprocesamiento y Aprendizaje de Instancias Múltiples Interpretable en el Análisis de Imágenes de Patología Completas de Cáncer

Resumen

La patología computacional ha surgido como una subespecialidad en rápido avance centrada en el análisis cuantitativo y a gran escala de datos patológicos como las Imágenes de Portaobjetos Completos (WSI). Como representaciones digitalizadas de alta resolución de portaobjetos de histología, las WSI contienen características diagnósticas relevantes que pueden ser aprovechadas por métodos computacionales como el aprendizaje profundo. Esta tesis aborda desafíos significativos en el preprocesamiento y la interpretabilidad de modelos dentro de la patología computacional. Las contribuciones principales son dos: primero, el desarrollo de SlideLab, un módulo de preprocesamiento novedoso y robusto diseñado para optimizar la creación de conjuntos de datos de WSI de alta calidad; segundo, la introducción de un nuevo método de interpretabilidad, Certeza Atencional Polarizada (PAC), con una exploración de sus aplicaciones en modelos basados en atención para mejorar la transparencia y la fiabilidad de los sistemas de IA en patología.

Puntos Clave del Proyecto

Análisis del Proyecto 🧠

Esta tesis aborda eficazmente dos de los obstáculos más significativos en la patología computacional: la falta de un preprocesamiento estandarizado y la interpretabilidad de los modelos de IA de "caja negra". El proyecto se divide lógicamente en dos contribuciones principales:

SlideLab (El Framework de Preprocesamiento): Una solución modular y completa a la naturaleza rígida e irreproducible de las herramientas existentes. Aborda los desafíos clave de las WSI, como el costo computacional, la variabilidad de la tinción y los artefactos, a través de una arquitectura sofisticada y acelerada por GPU.
Certeza Atencional Polarizada (PAC) (El Método de Interpretabilidad): Un enfoque inteligente para abordar la confianza clínica en la IA. Al combinar la atención (importancia) y la probabilidad (Certeza) de un modelo, PAC crea una métrica robusta para validar que los modelos están aprendiendo características biológicamente relevantes.

Logros Clave 🏆

Desarrollo de una Herramienta Novedosa y Completa: Se construyó un pipeline de software funcional de extremo a extremo, `SlideLab`, un logro de ingeniería significativo.
Rendimiento Superior a través de Benchmarking: Se probó rigurosamente `SlideLab` contra otros cinco pipelines de última generación, logrando la puntuación Dice más alta (0.741) en la segmentación de tejidos.
Mejora del Rendimiento del Modelo Descendente: Se demostró que un mejor preprocesamiento conduce a una mejor ciencia, ya que el modelo entrenado con datos procesados por `SlideLab` superó a los demás.
Innovación en la Interpretabilidad de Modelos: La propuesta de PAC es una fuerte contribución metodológica adaptada a los desafíos específicos del aprendizaje de instancias múltiples en patología.
Validación con Casos de Estudio del Mundo Real: Se aplicó con éxito PAC a problemas clínicamente relevantes en cáncer colorrectal y leucemia, demostrando su versatilidad.

Resumen de Resultados 📊

SlideLab es Cuantificablemente Mejor: El framework produce datos de mayor calidad, evidenciado por puntuaciones Dice superiores y un mejor rendimiento del modelo descendente.
PAC Proporciona una Visión Biológica Más Profunda: Los casos de estudio en MSI y B-ALL demostraron que PAC puede validar el razonamiento de un modelo al identificar correctamente características biológicas y clínicamente relevantes.

Presentación de la Tesis

Infografía de la Tesis

Una Nueva Era en Patología Computacional

El Desafío de las Imágenes de Portaobjetos Completos (WSI)
Solución 1: SlideLab - Un Pipeline de Preprocesamiento Flexible
SlideLab Supera a las Herramientas Existentes
Solución 2: Certeza Atencional Polarizada (PAC)
PAC en Acción: Casos de Estudio del Mundo Real

Ver Infografía Completa

Documento de la Tesis

Lea la tesis completa para una comprensión detallada de la investigación, la metodología y los hallazgos.

Descargar Tesis en PDF

Artículo en Preparación (Borrador)

Un artículo de investigación basado en esta tesis está actualmente en preparación. Un enlace a la publicación estará disponible aquí pronto.

Descargar Borrador del Artículo

Código del Proyecto: SlideLab

El código fuente completo para el pipeline de preprocesamiento SlideLab está disponible en GitHub. Explore el repositorio para entender los detalles de la implementación y contribuir al proyecto.

Ver en GitHub

Tutorial de SlideLab

Instalación

Primero, clone el repositorio y navegue al directorio:

git clone https://github.com/lolmomarchal/SlideLab.git
cd SlideLab

Para instalar las dependencias requeridas, cree y active el entorno de Conda:

conda env create -f environment.yml
conda activate slidelab

Uso

A continuación se muestra un comando de ejemplo para ejecutar el pipeline de preprocesamiento:

python SlidePreprocessing.py -i /ruta/a/entrada/ -o /ruta/a/salida/ \
-s 512 -m 40 --remove_blurry_tiles --normalize_staining --encode \
-th 0.8 -bh 0.02 --device cuda --batch_size 256

Argumentos

El comportamiento del pipeline se puede personalizar con los siguientes argumentos:

Argumento	Descripción	Predeterminado
Entrada/Salida (Requerido)
`-i, --input_path`	Ruta al archivo(s) de entrada WSI	Ninguno
`-o, --output_path`	Ruta para guardar los mosaicos de salida	Ninguno
Personalización de Mosaicos
`-s, --desired_size`	Tamaño deseado de los mosaicos en píxeles	256
`-m, --desired_magnification`	Nivel de magnificación deseado (ej., 20)	20
`-ov, --overlap`	Factor de superposición entre mosaicos (1 = sin superposición)	1
Opciones de Preprocesamiento
`-rb, --remove_blurry_tiles`	Eliminar mosaicos borrosos usando un filtro Laplaciano	Falso
`-n, --normalize_staining`	Normalizar la tinción de los mosaicos	Falso
`-e, --encode`	Codificar mosaicos en un archivo .h5	Falso

Licencia

Licencia MIT

Por la presente se concede permiso, de forma gratuita, a cualquier persona que obtenga una copia de este software y de los archivos de documentación asociados (el "Software"), para tratar el Software sin restricciones, incluyendo, sin limitación, los derechos de uso, copia, modificación, fusión, publicación, distribución, sublicencia y/o venta de copias del Software, y para permitir a las personas a las que se les proporcione el Software que lo hagan, con sujeción a las siguientes condiciones:

El aviso de copyright anterior y este aviso de permiso se incluirán en todas las copias o partes sustanciales del Software.

EL SOFTWARE SE PROPORCIONA "TAL CUAL", SIN GARANTÍA DE NINGÚN TIPO, EXPRESA O IMPLÍCITA, INCLUYENDO, PERO NO LIMITADO A, LAS GARANTÍAS DE COMERCIABILIDAD, IDONEIDAD PARA UN PROPÓSITO PARTICULAR Y NO INFRACCIÓN. EN NINGÚN CASO LOS AUTORES O TITULARES DE LOS DERECHOS DE AUTOR SERÁN RESPONSABLES DE NINGUNA RECLAMACIÓN, DAÑO U OTRA RESPONSABILIDAD, YA SEA EN UNA ACCIÓN DE CONTRATO, AGRAVIO O DE OTRO TIPO, QUE SURJA DE, O EN CONEXIÓN CON EL SOFTWARE O EL USO U OTRAS OPERACIONES EN EL SOFTWARE.

Contacto

Para preguntas o consultas, póngase en contacto con Lorenzo Olmo Marchal en aolmomarchal@ucsd.edu o conéctese en LinkedIn.

Referencias

M. Macenko et al., "A method for normalizing histology slides for quantitative analysis," 2009 IEEE International Symposium on Biomedical Imaging: From Nano to Macro, Boston, MA, USA, 2009, pp. 1107-1110, doi: 10.1109/ISBI.2009.5193250.
Barbano, C. A., & Pedersen, A. (2022, August). EIDOSLAB/torchstain: v1.2.0-stable (Version v1.2.0-stable) [Computer software]. Zenodo. https://doi.org/10.5281/zenodo.6979540
Chen, R.J., Ding, T., Lu, M.Y., Williamson, D.F.K., et al. Towards a general-purpose foundation model for computational pathology. Nat Med (2024). https://doi.org/10.1038/s41591-024-02857-3
B. A. Schreiber, J. Denholm, F. Jaeckle, M. J. Arends, K. M. Branson, C.-B.Schönlieb, and E. J. Soilleux. Bang and the artefacts are gone! Rapid artefact removal and tissue segmentation in haematoxylin and eosin stained biopsies, 2023. URL http://arxiv.org/abs/2308.13304.