Uncertainty Estimation in Pathology Foundation Models via Deep Mutual Learning
作者: Gbègninougbo Aurel Davy Tchokponhoue, Sevda Öğüt, Ali Idri, Dorina Thanou, Pascal Frossard
分类: cs.CV
发布日期: 2026-06-29
💡 一句话要点
提出DICE框架以解决病理基础模型的不确定性估计问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 病理图像分析 不确定性估计 深度互学习 模型集成 医疗影像
📋 核心要点
- 现有的病理基础模型在临床应用中缺乏可靠的置信度估计，导致信任度不足。
- 本文提出DICE框架，通过集成多个PFM并利用深度互学习来估计不确定性。
- 实验结果显示，DICE在分类、校准和定位任务中表现优异，提供了可靠的不确定性估计。
📝 摘要（中文）
病理基础模型（PFMs）为全切片图像（WSI）分析提供了可泛化的表示，但其临床应用仍然有限，主要由于预测缺乏可靠的置信度估计，且没有单一的PFM在所有任务中表现最佳。为此，本文提出了DICE，一个可插拔的框架，通过集成K个冻结的PFM并将其不一致性建模为不确定性估计的代理。通过深度互学习对集成成员进行对齐，理论上证明了这一目标上界了模型的不确定性。此外，我们展示了集成的共识能够在无显式监督的情况下定位异常。我们在三个具有挑战性的WSI基准上评估了DICE，结果表明该框架提供了可靠的不确定性估计，能够准确标记出在分布内外的失败案例，同时在分类、校准和定位方面与最先进的基线相匹配或超越。
🔬 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析中的不确定性估计问题。现有方法缺乏可靠的置信度评估，限制了其在临床环境中的应用。
核心思路：DICE框架通过集成多个冻结的PFM，并将它们之间的不一致性作为不确定性估计的代理。通过深度互学习对集成成员进行对齐，确保估计的有效性。
技术框架：DICE框架包括多个主要模块：K个冻结的PFM、深度互学习机制和不确定性估计模块。首先，多个PFM独立进行推理，然后通过互学习对其输出进行对齐，最后利用输出的不一致性进行不确定性评估。
关键创新：DICE的创新在于通过集成多个PFM并利用它们之间的分歧来估计不确定性，这一方法在理论上上界了模型的不确定性，显著提高了置信度评估的可靠性。
关键设计：DICE框架的设计包括对K个PFM的冻结、深度互学习的损失函数设计，以及不确定性估计的计算方式。具体参数设置和网络结构细节在实验部分进行了详细描述。
🖼️ 关键图片
📊 实验亮点
实验结果表明，DICE在三个WSI基准上提供了可靠的不确定性估计，能够准确识别出在分布内外的失败案例。在分类、校准和定位任务中，DICE的性能与最先进的基线相匹配或超越，展示了其在实际应用中的有效性。
🎯 应用场景
该研究的潜在应用领域包括医学影像分析、病理诊断支持系统等。通过提供可靠的不确定性估计，DICE框架能够帮助医生在临床决策中更好地评估模型的预测，从而提高诊断的准确性和安全性。未来，该框架有望在其他医疗领域得到推广和应用。
📄 摘要（原文）
Pathology foundation models (PFMs) offer generalizable representations for whole-slide image (WSI) analysis, yet their clinical adoption remains limited. Specifically, their predictions lack reliable confidence estimates, and no single PFM is universally best across tasks, which severely undermines trust in medical settings. To overcome this, we propose $\mathtt{DICE}$, a plug-and-play framework that ensembles $K$ frozen PFMs and models their disagreement as a proxy for uncertainty estimation. To ensure this proxy yields meaningful estimates, we align the ensemble members via deep mutual learning, and theoretically show that this objective upper-bounds the model uncertainty. Additionally, we demonstrate that the ensemble's consensus localizes abnormalities at the patch level without any explicit supervision. We evaluate $\mathtt{DICE}$ on three challenging WSI benchmarks. Notably, our framework provides reliable uncertainty estimates that accurately flag failure-prone cases under in- and out-of-distribution settings, while matching or outperforming SOTA baselines in classification, calibration, and localization. Overall, $\mathtt{DICE}$ takes a crucial step toward translating PFMs into uncertainty-aware decision-support systems.