[论文解读] MultiTask Learning AI system to assist BCC diagnosis with dual explanation

Iván Matas, Carmen Serrano+4 more|arXiv (Cornell University)|Jun 27, 2024

Cutaneous Melanoma Detection and Management被引用 4

一句话总结

本文提出了一种用于远程皮肤科中基底细胞癌（BCC）诊断的多任务深度学习AI系统，结合了二分类BCC/非BCC诊断与基于Grad-CAM的临床启发式解释，以及专家标注的皮肤镜下特征。该模型在分类任务中达到90%的准确率，在检测临床相关的BCC特征方面达到99%的准确率，Grad-CAM注意力显著集中在皮肤科医生标记的区域（内部平均激活值为0.57，外部为0.16），表明其具有高度可解释性与临床相关性。

ABSTRACT

Basal cell carcinoma (BCC) accounts for about 75% of skin cancers. The adoption of teledermatology protocols in Spanish public hospitals has increased dermatologists' workload, motivating the development of AI tools for lesion prioritization. However, limited transparency in current systems hinders clinical acceptance. This study proposes an AI system for BCC detection from dermoscopic images that integrates dermatologist diagnostic criteria based on specific dermoscopic patterns. We analyzed 1559 dermoscopic images from 60 primary care centers annotated by four dermatologists for seven BCC patterns. An Expectation-Maximization consensus algorithm was used to build a unified standard reference. A multitask learning model based on MobileNet-V2 was developed to classify lesions and identify clinically relevant patterns, supported by Grad-CAM visual explanations. The system achieved 90% accuracy in BCC classification (precision 0.90, recall 0.89). Clinically relevant BCC patterns were correctly detected in 99% of positive cases, and the pigment network exclusion criterion was satisfied in 95% of non-BCC cases. Grad-CAM maps showed strong spatial agreement with dermatologist-defined regions. The proposed system combines accurate BCC detection with transparent pattern-based explanations, helping bridge the gap between AI performance and clinical trust in teledermatology.

研究动机与目标

• 开发一种可解释的AI工具用于远程皮肤科中的BCC诊断，以减少诊断延迟并优化专科转诊。
• 通过整合皮肤科医生标注的皮肤镜下特征，将临床知识融入模型，以增强可解释性。
• 利用定量指标评估AI生成的注意力图（通过Grad-CAM）与临床相关病变特征之间的对齐程度。
• 通过数据增强和类别加权训练缓解BCC数据集中类别不平衡的问题。
• 通过医生引导的分析和Grad-CAM激活的概率密度函数，验证模型解释的临床相关性。

提出的方法

• 采用多任务深度学习框架，同时执行二分类BCC/非BCC诊断与多种皮肤镜下特征（如色素网、溃疡、多小球体等）的检测。
• 模型使用Grad-CAM生成类别激活图，并与皮肤科医生标记的临床关注区域进行比较，以评估注意力对齐程度。
• 采用期望最大化（EM）算法，从四位皮肤科医生的标注中推断出皮肤镜下特征的共识真实标签，以解决缺乏既定真实标签的问题。
• 在皮肤科医生标记的区域（Fg）和外部区域（Bg）内，估计归一化Grad-CAM值的条件概率密度函数，以定量评估注意力准确性。
• 模型采用类别加权交叉熵损失和数据增强，以缓解数据集中类别不平衡问题，特别是针对稀有特征如辐条轮样和枫叶样模式。
• 通过将Grad-CAM图叠加在皮肤科医生标注的病变特征上，并利用平均激活值和概率分布交集评估空间对应关系，实现基于临床启发的XAI。

Figure 1: Illustration showing the current workflow of BCC diagnosis by teledermatology in orange and the proposed workflow in green.

实验结果

研究问题

• RQ1 多任务深度学习模型是否能在实现高BCC/非BCC分类准确率的同时，提供临床可解释的解释？
• RQ2 通过Grad-CAM测量的模型注意力在多大程度上与皮肤科医生识别的BCC病变临床关注区域对齐？
• RQ3 该模型在检测临床BCC诊断中使用的特定皮肤镜下特征方面准确度如何？与专家共识相比表现如何？
• RQ4 整合医生标注的特征是否能提升AI解释的可靠性和临床相关性？
• RQ5 Grad-CAM激活强度在临床相关病变区域内部与外部之间存在何种定量关系？

主要发现

• BCC/非BCC二分类的准确率达到90%，召回率为0.89，特异性为0.89。
• 在至少包含一种临床相关BCC特征的病变中，检测临床相关BCC特征的准确率达到99%。
• 对于临床启发式XAI，皮肤科医生标记区域（Fg）内的Grad-CAM平均激活值为0.57，外部区域（Bg）为0.16，表明模型对相关特征有强烈关注。
• Grad-CAM值在临床区域内部与外部的条件概率密度函数之间的交集面积为0.24（正确预测时），表明在正确预测中注意力对齐程度更高。
• 错误预测中，Fg区域的平均激活值较低（0.33 vs. 0.57），交集面积较大（0.32 vs. 0.24），表明模型在误分类病例中对临床特征的关注较差。
• 模型在色素网检测中表现出高精度（0.97）和高召回率（0.94），而溃疡和多小球体检测的精度较低（分别为0.52和0.32），表明在罕见或模糊特征上仍存在挑战。

Figure 2: BCC dermoscopic criteria and Pigment Network as a negative criterion.