計算病理モデルのH&E染色変動に対する頑健性を評価するためのプロトコル

要旨：染色の変動に対する感度は、ヘマトキシリン-エオシン染色 (H&E) がラボ間で異なるため、計算病理学(CPath)モデルの展開における主要な障壁となっており、この変動がモデル予測に与える影響を体系的に評価する必要があります。本研究では、CPathモデルにおけるH&E染色変動に対する頑健性を評価する3段階のプロトコルを開発しました。ステップ1：参照染色条件を選択、ステップ2：検証セットの染色特性を特徴づける、ステップ3：模擬された参照染色条件下でCPathモデルを適用する。ここでは、PLISMデータセットに基づいて新しい参照染色ライブラリを作成しました。例として、このプロトコルを適用して、未知のSurGen結腸直腸がんデータセット（n=738）上の306のマイクロサテライト不安定性（MSI）分類モデルの頑健性を評価しました。対象には、TCGA-COAD/READデータセット上で3つの特徴抽出器（UNI2-h、H-Optimus-1、Virchow2）を横断して訓練された300のアテンションベースの多重インスタンス学習モデルと、6つの公開MSI分類モデルが含まれます。分類性能はAUCとして測定され、ロバスト性は4つの模擬染色条件（低/高H&E強度、低/高H&E色の類似性）における最小-最大AUCレンジとして評価されました。モデルと染色条件を横断して、分類性能はAUCで0.769-0.911（
abla = 0.142）でした。ロバストネスは0.007-0.079（
abla = 0.072）で、分類性能と弱い逆相関を示しました（Pearson r=-0.22、95%信頼区間[-0.34, -0.11]）。したがって、提案された評価プロトコルは、ロバストネスを重視したCPathモデルの選択を可能にし、H&E染色条件にまたがる性能の変化について洞察を提供し、信頼性の高いモデル展開のための運用範囲の特定を支援します。コードは https://github.com/CTPLab/staining-robustness-evaluation で利用可能です。