TwinTrack: Post-hoc Multi-Rater Calibration for Medical Image Segmentation
TwinTrack 於 2026 年成功將專家影像標註分歧轉化為可解釋的模型機率。
- 影像標註的專家分歧反映了真實不確定性，並非單純的標註雜訊。
- TwinTrack 透過事後校準，將模型機率對齊人類平均反應。
- MICCAI 2025 測試證明，少量校準資料即可顯著提升模型指標。
處理胰臟導管腺癌影像時，專家的標註分歧反映了真實的不確定性。由 ICube 等機構於 2026 年 4 月提出的 TwinTrack 框架打破單一標準答案假設，透過事後校準將模型機率對齊人類平均反應。該技術在 MICCAI 2025 CURVAS-PDACVI 測試中證明，僅需少量多評分者資料，即可顯著提升模型的校準指標。
傳統單一真實標籤在 PDAC 影像分割的技術侷限
在醫學影像分割領域，標準的深度學習模型架構多半建立在一個核心前提之上：每一張影像都存在一個絕對的單一真實標籤（single ground truth）。模型在訓練階段的目標，就是盡可能讓輸出的預測結果逼近這個唯一標準。然而，這種設計在應對胰臟導管腺癌（PDAC，一種高惡性胰臟腫瘤）的對比增強電腦斷層掃描影像時，卻面臨了根本性的挑戰。
標準深度學習方法在處理此類影像時，雖然能夠產生機率性的輸出結果，但在高度模糊的病灶邊界下，這些輸出的機率值往往會出現校準不良的問題。這意味著模型給出的信心水準，與實際的預測準確度之間存在顯著落差。當模型在單一真實標籤的框架下被迫對模糊區域做出明確判斷時，它所產生的機率分佈會變得難以解釋，導致使用者無法準確衡量特定預測上的不確定性。
這種校準不良的現象，在面對缺乏清晰邊界的醫學影像時尤其致命。當傳統模型試圖將複雜的病灶特徵簡化為單一的二元分類時，會不可避免地過度自信或過度保守。這不僅削弱了深度學習模型在複雜影像分割任務中的可靠性，也凸顯出現有架構在處理模糊性病灶時，亟需跳脫單一標準答案的設計思維。
重新定義 PDAC 不確定性：專家分歧並非雜訊
要解決模型校準不良的問題，必須先理解 PDAC 影像分割任務中的內在模糊性。在對比增強影像中，腫瘤的病灶特徵往往與周圍的健康組織交融，缺乏明確的視覺邊界。這導致即使是經驗豐富的領域專家，在圈選腫瘤範圍時也會產生顯著的意見分歧。
在傳統的機器學習資料處理流程中，這類專家間的評分者分歧通常會被視為標註雜訊。為了滿足模型訓練的需求，研究人員往往會透過多數決或是交由資深專家進行最終裁定，強行將多個不同的標註結果合併為單一的標準答案。然而，這項研究指出，這種強行抹平差異的做法忽略了影像本身的物理與生物學特性。
專家間的標註分歧，實際上反映的是真實存在的不確定性，而非人為失誤造成的雜訊。當某個體素的特徵處於模糊地帶時，不同專家的不同判斷，恰好描繪了該區域的風險機率分佈。如果深度學習模型繼續將這些分歧視為必須消除的誤差，就等於丟棄了資料中最具價值的邊界特徵資訊，這也是導致模型輸出機率難以解釋的根本原因。
TwinTrack 框架機制：對齊經驗人類平均反應
為了解決單一標籤假設帶來的解釋性危機，研究團隊提出了名為 TwinTrack 的全新技術框架。這個框架的核心策略在於放棄尋找絕對的單一邊界，轉而將模型的機率輸出直接映射到多位專家的共識分佈上。具體而言，TwinTrack 引入了事後校準（post-hoc calibration，訓練後調整預測機率的技術）的機制，來修正整合模型的分割機率。
在該框架的運作中，校準的目標不再是單一的二元標籤，而是經驗人類平均反應（MHR，標註某區域為腫瘤的專家比例）。MHR 的概念非常直觀：如果十位專家中有七位認為某個體素屬於腫瘤，該體素的 MHR 就是 0.7。透過這項設計，TwinTrack 將模型原本抽象的輸出機率，賦予了具體的統計學意義。
經過事後校準轉換的機率數值，可以直接被解釋為「預期會有多少比例的標註者將該區域判定為腫瘤」。這種做法不僅正面迎擊了影像分割中的模糊性問題，更在模型架構層面上，明確且量化地對專家間的標註分歧進行了建模。這使得模型的輸出不再只是冷冰冰的信心指數，而是忠實反映了人類專家在面對相同影像時的群體決策分佈。
MICCAI 2025 基準測試表現與小樣本校準優勢
該框架在系統設計上不僅具備高度的理論可解釋性，在實際應用上也展現了極佳的運作效率。與那些需要從頭訓練、且需耗費大量運算資源來擬合複雜機率分佈的模型不同，TwinTrack 的事後校準程序相對簡單。這意味著它可以作為一個獨立的模組，無縫整合到現有的深度學習分割流程中，而不需要對原有的特徵萃取架構進行大規模重構。
更關鍵的突破在於，這項技術對於資料量的需求極低。研究指出，TwinTrack 只需要一個小型的多評分者校準資料集，就能完成高精度的機率轉換。這大幅降低了實務上搜集多位專家重複標註資料的成本門檻，使得這種多評分者校準機制具備了廣泛部署的潛力。
在實際的驗證階段，研究團隊將 TwinTrack 應用於 MICCAI 2025 CURVAS-PDACVI 多評分者基準測試中。評估結果顯示，與標準的深度學習分割方法相比，該框架在各項校準指標上皆取得了穩定且一致的提升。這不僅證實了對齊 MHR 在處理高度模糊影像時的優越性，也為未來醫學影像分割技術處理不確定性提供了一條具備高度實用價值的全新路徑。
TwinTrack 對齊人類平均反應，將專家分歧轉為機率分佈，確立影像分割新基準。