JANUS: Anatomy-Conditioned Gating for Robust CT Triage Under Distribution Shift

Technischer Zusammenfassung: JANUS – Anatomie-konditioniertes Gating für robuste CT-Triage

Problemstellung
Die automatisierte CT-Triage zielt darauf ab, klinisch signifikante Befunde zu kennzeichnen, von denen viele durch quantitative Schwellenwerte (z. B. Organgröße, Gefäßkaliber, HU-Dichte) und nicht allein durch das visuelle Erscheinungsbild definiert sind. Obwohl Vision Transformer (ViTs) starke visuelle Repräsentationen bieten, fehlt es ihnen oft an expliziten Mechanismen, um diese Messhinweise zu integrieren. Unter Verteilungsverschiebungen (z. B. Änderungen in Scannerprotokollen oder Rekonfigurationseinstellungen) kann das visuelle Erscheinungsbild erheblich variieren, während die zugrunde liegende Anatomie invariant bleibt. Frühere Versuche, diese Lücke durch grobe Organ-level-Statistiken oder additive Fusion zu überbrücken, scheiterten oft daran, explizite Unterdrückungsmechanismen bereitzustellen, was dazu führte, dass Modelle bei Konflikten zwischen visuellen und quantitativen Evidenzen auf spuriose Korrelationen zurückgriffen.

Methodik: JANUS-Architektur
Die Autoren stellen JANUS vor, eine physiologiegeleitete Dual-Stream-Architektur, die visuelle Embeddings über Anatomisch Geführtes Gating auf makro-radiomische Priors konditioniert.

1. Dateneingabe & Vorverarbeitung:

   • Visueller Stream: 3D-CT-Volumina werden in $N$ 2.5D „Tri-Slices" (Aneinanderreihung benachbarter Schichten) abgetastet. Diese werden von einem vortrainierten DINOv3 ViT-Backbone verarbeitet, um Patch-Embeddings zu extrahieren.
   • Symbolischer Stream: Segmentierungsmasken (abgeleitet von Tools wie TotalSegmentator) werden verwendet, um einen krankheitsspezifischen makro-radiomischen Prior-Vektor ($s_\ell$) zu berechnen. Dieser Vektor umfasst Deskriptoren wie Organvolumina, Durchmesser, Densitometrieprofile und Flüssigkeitsvolumina. Diese Skalare werden z-Score-normalisiert.

2. Visuelle Kodierung (Organ-maskierte Aufmerksamkeit):

   • Anstelle einer standardmäßigen globalen Pooling-Methode setzt JANUS Dilated ROI-Maskierte Attention Pooling ein. Für jede Pathologie wird eine spezifische 3D-Region-of-Interest (ROI)-Maske definiert (z. B. die Aorta für Aneurysmen).
   • Diese Maske wird dilatiert, um den peri-organischen Kontext zu erfassen, und an die Tri-Slice-Abtastung angepasst.
   • Aufmerksamkeitsgewichte werden nur über Tokens innerhalb der ROI berechnet, wodurch visuelle Merkmale ($z_{v,\ell}$) spezifisch für die Pathologie gepoolt werden, während irrelevante Hintergründe ignoriert werden.

3. Anatomisch Geführtes Gating (Der Kernmechanismus):

   • Der makro-radiomische Prior-Vektor $s_\ell$ wird durch eine gelernte lineare Schicht projiziert und durch eine Sigmoid-Funktion geleitet, um ein physiologisches Gate $g_\ell \in [0, 1]^d$ zu erzeugen.
   • Dieses Gate moduliert das visuelle Embedding durch elementweise Multiplikation (Hadamard-Produkt): $z_{gated,\ell} = z_{v,\ell} \odot g_\ell$.
   • Mechanismus: Dies wirkt als „Physiologisches Veto". Wenn quantitative Priors der visuellen Evidenz widersprechen (z. B. ein visuelles Merkmal deutet auf ein Aneurysma hin, aber der Aortendurchmesser liegt innerhalb normaler Grenzen), kann das Gate bestimmte Dimensionen des visuellen Embeddings abschwächen und so hochkonfidente False Positives effektiv unterdrücken.
   • Initialisierung: Das Gate wird so initialisiert, dass es größtenteils offen bleibt ($g \approx 0,88$), um einen stabilen Gradientenfluss zu gewährleisten, sodass das Modell nur dann stärkeres Gating lernt, wenn es durch Trainingsdaten unterstützt wird.

4. Trainingsziel:

   • Das Modell verwendet einen curriculum-gewichteten Binary Cross-Entropy (BCE)-Verlust über teilweise beobachtete Labels. Fehlende Labels werden nach einer initialen Warm-up-Phase als schwache Negative behandelt, um unvollständige Annotationen, die in retrospektiven Datensätzen üblich sind, zu handhaben.

Hauptbeiträge

• Architektur: JANUS operationalisiert das Prinzip, dass quantitative Messungen visuelle Vorhersagen einschränken sollten, nicht nur ergänzen. Es führt einen multiplikativen Flaschenhals ein, der strukturell die Unterdrückung visueller Evidenz ermöglicht, wenn diese mit makro-radiomischen Priors kollidiert.
• Metrik (Physiological Veto Rate - PVR): Die Autoren schlagen PVR vor, um die Unterdrückung hochkonfidenter Baseline-False-Positives zu quantifizieren. Sie definieren zudem die Veto-Selektivität (Verhältnis der Unterdrückung von False Positives zur Unterdrückung von True Positives), um zu zeigen, dass der Gating-Mechanismus selektiv ist und nicht einfach das Vertrauen uniform reduziert.
• Empirische Validierung: Die Studie bietet einen rigorosen Vergleich mit Baselines, einschließlich eines Standard-ViT und ORACLE-CT-Varianten, und zeigt, dass der spezifische Gating-Mechanismus additive Fusionsstrategien übertrifft.

Ergebnisse

• Leistung: Auf dem MERLIN-Testset ($N=5.082$) erreichte JANUS eine macro-AUROC von 0,88 und eine AUPRC von 0,74 und übertraf alle reproduzierten Baselines (ViT-Baseline: 0,84; ORACLE-CT: 0,86).
• Generalisierung: Auf einem externen Datensatz ($N=2.000$) einer anderen Institution behielt JANUS eine starke Leistung (AUROC 0,87) bei und übertraf die Baselines signifikant, die Leistungsabfälle oder Stagnation zeigten.
• Kalibrierung: JANUS zeigte auf beiden internen und externen Datensätzen eine überlegene Kalibrierung (niedrigerer Expected Calibration Error, ECE).
• Selektivität: Die Analyse der Physiological Veto Rate zeigte, dass JANUS unter Domain-Shift hochkonfidente False Positives um 30,8% reduzierte, während nur 2,85% der True Positives betroffen waren, was zu einer Veto-Selektivität von 10,8$\times$ führte.
• Robustheit: Unter simulierter Skalar-Korruption (bis zu 50% Rauschen) degradierte JANUS graceful und blieb über der ViT-Baseline, wohingegen additive Fusionsmethoden (+OSF) die Baseline-Leistung erreichten.
• Stratifizierte Analyse: Die Gewinne waren am ausgeprägtesten für Befunde, die durch Geometrie (Größe) und Densitometrie definiert sind (z. B. Aortenaneurysma, Hepatische Steatose). Bei fokalen Pathologien, bei denen Organ-level-Priors weniger informativ sind (z. B. Appendizitis), blieb die Leistung mit der Baseline vergleichbar und vermied die Verschlechterung, die bei additiven Fusionsmodellen zu beobachten war.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass JANUS zeigt, wie physikalisch fundierte Konditionierung sowohl die Diskriminierung als auch die Zuverlässigkeit in der CT-Triage verbessert. Durch die Erzwingung anatomischer Einschränkungen über einen multiplikativen Gating-Mechanismus wird das Modell robuster gegenüber Verteilungsverschiebungen und besser darin, spuriose visuelle Korrelationen zu unterdrücken, die nicht mit quantitativen Biomarkern übereinstimmen. Die Autoren schließen, dass dieser Ansatz einen klinisch notwendigen Schritt hin zu einer zuverlässigen automatisierten Triage darstellt, insbesondere für Befunde, die durch quantitative Schwellenwerte definiert sind.

Limitationen
Die Autoren räumen ein, dass JANUS auf eine sequenzielle Pipeline angewiesen ist, bei der die Segmentierung dem Gating vorausgehen muss, was seine Nützlichkeit für fokale Befunde ohne klare Organ-level-Proxy einschränkt. Darüber hinaus wurde die Robustheit der Skalare durch simulierte Korruption anstelle realistischer Segmentierungsfehler bewertet, und die Verwendung von CT-vortrainierten Backbones bleibt zukünftige Arbeit.