Do Center Biases Propagate? Robustness of Pathology Foundation Models in Whole-Slide Image Classification

📄 arXiv: 2609.28231v1 📥 PDF

作者: Ilán Carretero, Pablo Meseguer, Rocío del Amor, Valery Naranjo

分类: cs.CV, cs.AI

发布日期: 2026-09-23

备注: Submitted to CASEIB'26

💡 一句话要点

评估病理基础模型在全切片图像分类中的中心偏差传播问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 病理基础模型 全切片图像 中心偏差 多实例学习 鲁棒性评估 Cramér's V ComBat

📋 核心要点

  1. 现有的病理基础模型在全切片图像分类中可能会引入与获取中心相关的虚假信号，影响预测的准确性。
  2. 本文通过控制训练设置，评估了中心相关性对全切片图像分类的影响，并引入Cramér's V作为量化指标。
  3. 实验结果显示，PFMs的鲁棒性与其表示和MIL聚合策略密切相关，且ComBat的效果在不同数据集上不一致。

📝 摘要（中文）

病理基础模型（PFMs）通过强大的表示学习改变了计算病理学，能够为全切片图像（WSI）分析提供丰富的区分性表示。然而，这些表示可能会编码与获取中心相关的非生物信号，从而在下游预测中引入虚假捷径。本文评估了WSI分类中与中心相关的鲁棒性，使用控制训练设置和Cramér's V量化的类中心相关性。我们在四个数据集和两个多实例学习（MIL）聚合器上对六个PFMs进行了基准测试，并评估了ComBat作为鲁棒化策略的效果。结果表明，PFMs编码的与中心相关的信息会传播到WSI级别的预测中，鲁棒性依赖于PFM表示和MIL聚合策略。

🔬 方法详解

问题定义：本文旨在解决病理基础模型在全切片图像分类中可能存在的中心偏差传播问题。现有方法在处理与获取中心相关的非生物信号时，可能导致预测结果的不可靠性。

核心思路：通过控制训练设置，量化类中心相关性，并评估其对模型鲁棒性的影响，提出了一种新的评估框架。

技术框架：整体流程包括数据集的选择、PFMs的基准测试、Cramér's V的计算以及ComBat的鲁棒化策略评估，最后通过引入AUCC来综合评价分类性能。

关键创新：引入了Cramér's V曲线下的面积（AUCC）作为新的性能评估指标，能够同时捕捉绝对分类性能及其在虚假相关性增加时的退化情况。

关键设计：在实验中，使用了六个不同的PFMs和两个MIL聚合器，设置了不同的训练参数，并对ComBat的鲁棒化效果进行了系统评估。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，PFMs编码的中心相关信息确实会影响WSI级别的预测，且鲁棒性在不同模型和聚合策略下表现出显著差异。具体而言，ComBat在某些数据集上未能提供一致的鲁棒性提升，提示在实际应用中需谨慎选择鲁棒化策略。

🎯 应用场景

该研究为病理图像分析提供了新的视角，尤其是在确保模型鲁棒性和准确性方面。其方法论可广泛应用于医疗影像分析、疾病诊断和生物医学研究等领域，未来可能推动更可靠的自动化病理诊断系统的开发。

📄 摘要（原文）

Pathology foundation models (PFMs) have transformed computational pathology through powerful representation learning from histopathological images. PFMs provide rich, discriminative representations for whole slide image (WSI) analysis, enabling tasks such as slide-level classification under multiple instance learning (MIL). However, these representations may also encode non-biological signals associated with acquisition centers, potentially introducing spurious shortcuts into downstream predictions. In this work, we evaluate center-associated robustness in WSI classification using a controlled training setting with increasing class-center correlations quantified by Cramér's V. We benchmark six PFMs across four datasets and two MIL aggregators, while evaluating ComBat as a robustification strategy. We further introduce the Area Under the Cramér's V Curve (AUCC) to jointly capture absolute classification performance and its degradation as spurious correlation increases. Results show that center-related information encoded by PFMs propagates to WSI-level predictions, with robustness depending on both the PFM representation and MIL aggregation strategy. Additionally, ComBat harmonization does not provide consistent robustness gains across datasets.