🤖 machine learning

TRACE: A Concept Bottleneck Model for Longitudinal 3D Glioblastoma Response Assessment

Das Paper stellt TRACE vor, ein interpretierbares Concept-Bottleneck-Modell, das an den RANO 2.0-Kriterien ausgerichtet ist und die longitudinale Beurteilung des Glioblastom-Ansprechens auf 3D-MRT verbessert, indem es klinisch bedeutsame Tumormessungen als Zwischenkonzepte vorhersagt, um transparentes Schließen und eine potenzielle klinische Korrektur zu ermöglichen.

Ursprüngliche Autoren: Alia Tarek, Hamsa Saberr, Hamza Elghonemy, Youssef Afify, Tamer Basha, Omair Shahzad Bhatti, Abdulrahman M. Selim, Hasan Md Tusfiqur Alam Daniel Sonntag

Veröffentlicht 2026-06-30

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Alia Tarek, Hamsa Saberr, Hamza Elghonemy, Youssef Afify, Tamer Basha, Omair Shahzad Bhatti, Abdulrahman M. Selim, Hasan Md Tusfiqur Alam Daniel Sonntag

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Arzt, der versucht herauszufinden, ob sich der Hirntumor eines Patienten bessert, gleich bleibt oder verschlechtert. Sie haben zwei MRT-Aufnahmen: eine, die zu Beginn der Behandlung erstellt wurde (die „Baseline“), und eine, die einige Monate später aufgenommen wurde (der „Follow-up“).

Normalt verwenden Ärzte ein strenges Regelwerk namens RANO, um diese Entscheidung zu treffen. Sie schauen nicht einfach nur auf die Bilder und raten; sie messen den Tumor, berechnen, wie stark er gewachsen oder geschrumpft ist, prüfen, ob neue Stellen aufgetreten sind, und wenden dann spezifische mathematische Verfahren an, um das Ergebnis zu bestimmen.

Das Problem mit aktueller KI

Die meisten heutigen KI-Modelle sind wie Black Boxes (Black Boxes). Man füttert sie mit den MRT-Scans, und sie spucken ein Urteil aus: „Der Tumor verschlechtert sich.“ Aber sie zeigen einem nicht, warum. Sie könnten auf einen seltsamen Schatten oder einen Fehler im Bild schauen, statt auf die tatsächliche Größe des Tumors. Wenn die KI falsch liegt, kann ein Arzt dies nicht leicht korrigieren, weil er die Logik der KI nicht nachvollziehen kann.

Die Lösung: TRACE

Die Autoren dieses Papers haben eine neue KI namens TRACE entwickelt. Anstatt einer Black Box ist TRACE wie ein transparenter Fließbandprozess oder ein Schritt-für-Schritt-Taschenrechner.

So funktioniert TRACE, erklärt anhand einer einfachen Analogie:

1. Die „Augen“ (Der Encoder)

Zuerst betrachtet TRACE die beiden MRT-Scans (Baseline und Follow-up) mit einer speziellen 3D-Kamera (einem neuronalen Netzwerk). Es schaut nicht nur auf das gesamte Bild; es extrahiert spezifische Messwerte, wie das Volumen des Tumors und seine Breite.

Analogie: Denken Sie an einen Roboter-Assistenten, der den Tumor mit einem Lineal und einer Waage vermisst.

2. Das „Notizbuch“ (Das Concept Bottleneck)

Dies ist der wichtigste Teil. Anstatt direkt zur endgültigen Antwort zu springen, schreibt TRACE seine Messungen in ein Notizbuch, das Concept Bottleneck genannt wird.

Basis-Konzepte (Root Concepts): Es schreibt die Rohzahlen auf: „Tumorgröße zu Beginn“, „Tumorgröße jetzt“.
Abgeleitete Konzepte (Derived Concepts): Es führt dann die Berechnungen selbst basierend auf den Regeln durch. Es berechnet: „Ist er um mehr als 65 % geschrumpft?“ oder „Ist er um mehr als 40 % gewachsen?“
Durchlauf-Konzepte (Passthrough Concepts): Es fügt auch Fakten hinzu, die es nicht selbst gemessen hat, die aber wichtig sind, wie zum Beispiel: „Wie viele Wochen vergingen zwischen den Scans?“ oder „Ist eine neue Stelle aufgetreten?“

Warum ist das cool? Weil jeder Schritt sichtbar ist. Wenn die KI denkt, der Tumor sei um 70 % geschrumpft, kann ein Arzt in das „Notizbuch“ schauen und sagen: „Warte, das ist falsch. Er ist nur um 50 % geschrumpft.“

3. Der „Richter“ (Der finale Klassifikator)

Sobald das Notizbuch mit diesen klaren, berechneten Fakten gefüllt ist, betrachtet eine kleine abschließende KI (der Richter) das Notizbuch und trifft die endgültige Entscheidung: Komplette Remission (Complete Response), Partielle Remission (Partial Response), Stabile Erkrankung (Stable Disease) oder Progressionskrankheit (Progressive Disease).

Die Magie: Da der Richter nur das Notizbuch und nicht die rohen MRT-Bilder betrachtet, aktualisiert der Richter seine Entscheidung sofort, wenn ein Arzt eine Zahl im Notizbuch korrigiert. Ein erneutes Training ist nicht erforderlich!

Wie sie es getestet haben

Sie haben TRACE an einem Datensatz namens LUMIERE getestet, der MRT-Scans von 91 Patienten enthält.

Das Ergebnis: TRACE schnitt besser ab als andere „erklärbare“ KI-Modelle, die dasselbe zu tun versuchten. Es war nicht ganz so genau wie die „Black-Box“-Modelle (die groß darin sind, zu raten, aber schlecht darin, zu erklären), aber es war nah genug dran, um nützlich zu sein.
Der „Interventions“-Test: Sie simulierten einen Arzt, der die Messwerte der KI korrigiert. Als sie die Zahlen im „Notizbuch“ korrigierten, verbesserte sich die endgültige Vermutung der KI signifikant. Dies beweist, dass das System tatsächlich auf die Daten hört, die es messen soll, und nicht nur auf versteckte Muster rät.

Das Wichtigste in Kürze

TRACE verändert das Spiel, indem es ein Ratespiel in einen strukturierten Denkprozess verwandelt.

Alter Weg: KI sieht Bild $\rightarrow$ KI rät Label. (Arzt: „Ich vertraue dem nicht.“)
TRACE-Weg: KI misst Bild $\rightarrow$ KI berechnet Veränderungen $\rightarrow$ KI wendet Regeln an $\rightarrow$ KI gibt Label. (Arzt: „Ich sehe die Mathematik. Wenn ich diese eine Zahl korrigiere, ändert sich die Antwort. Ich vertraue dem.“)

Die Autoren kommen zu dem Schluss, dass TRACE zwar noch Tests an größeren Personengruppen benötigt, aber einen vielversprechenden, transparenten Weg bietet, um Ärzten dabei zu helfen, Hirntumore im Zeitverlauf zu verfolgen, indem sichergestellt wird, dass die Logik der KI denselben Regeln folgt, die auch die Ärzte verwenden.

Technisches Resümee: TRACE – Ein Concept Bottleneck Model zur longitudinalen 3D-Beurteilung des Ansprechens bei Glioblastomen

1. Problemstellung

Die longitudinale Beurteilung des Therapieansprechens bei Glioblastomen (GBM) ist entscheidend für klinische Entscheidungen, bleibt jedoch aufgrund der Subtilität der Tumorchangements im Zeitverlauf und der Komplexität klinischer Kriterien eine Herausforderung. Kliniker verlassen sich auf die RANO-Kriterien (Response Assessment in Neuro-Oncology, spezifisch RANO 2.0), welche den Vergleich von Tumormessungen (Volumen und Summe der Produkte der Durchmesser, SPD) zwischen Baseline- und Follow-up-MRT-Scans erfordern, um das Ansprechen in vier Klassen zu kategorisieren: Vollständige Remission (CR), Partielle Remission (PR), Stabile Erkrankung (SD) und Progressive Erkrankung (PD).

Aktuelle Deep-Learning-Ansätze sagen diese Response-Labels typischerweise direkt aus Bildmerkmalen voraus. Obwohl diese „Black-Box“-Modelle in Bezug auf bestimmte Metriken effektiv sind, mangelt es ihnen an Interpretierbarkeit, was es für Kliniker schwierig macht, die Argumentationskette zu inspizieren oder Fehler zu korrigieren. Darüber hinaus versäumen es Standardmodelle oft, die strukturierten, kausalen Abhängigkeiten zu kodieren, die im RANO-Protokoll inhärent sind (z. B. sind prozentuale Veränderungen deterministische Funktionen von Baseline- und Follow-up-Messungen). Es besteht ein Bedarf an einem Ansatz, der mit der klinischen Logik übereinstimmt, Transparenz bietet und eine menschliche Intervention auf der Ebene der Konzepte ermöglicht.

2. Methodik: Die TRACE-Architektur

Die Autoren schlagen TRACE (Temporal Causal Reasoning with Acyclic Concept Explanation) vor, ein Concept Bottleneck Model (CBM), das speziell für die longitudinale GBM-Beurteilung entwickelt wurde. Im Gegensatz zu Standard-CBMs, die Konzepte als flachen Satz unabhängiger Prädiktoren behandeln, strukturiert TRACE den Bottleneck als gerichteten azyklischen Graphen (DAG), der den RANO-Entscheidungsprozess widerspiegelt.

2.1. Input und Encoder

Das Modell verarbeitet gepaarte Baseline- ( $t_0$ ) und Follow-up- ( $t_1$ ) multimodale MRT-Scans (T1, T1ce, T2, FLAIR) zusammen mit den entsprechenden Tumorsegmentierungsmasken.

Siamese 3D Encoder: Ein gewichtsteiler 3D ResNet-18 (MedicalNet-Backbone) kodiert beide Zeitpunkte separat für die MRI- und Segmentierungsströme.
Temporale Repräsentation: Die Encoder-Outputs werden mit ihrer expliziten Differenz ( $h_{t1} - h_{t0}$ ) konkateniert, um ein longitudinales Feature-Triplett zu bilden. Diese werden zu einer gemeinsamen Repräsentation ( $X_{enc}$ ) fusioniert.

2.2. Strukturierter Concept Bottleneck

Die Kerninnovation ist die Trennung der Konzepte in drei Typen innerhalb des DAG:

Root Concepts ( $C_r$ ): Bildbasierte Tumormesswerte, die durch lernbare „ConceptBlocks“ (MLPs) aus $X_{enc}$ vorhergesagt werden. Dazu gehören Baseline-/Follow-up-Volumina ( $V_{t0}, V_{t1}$ ) und SPDs ( $SPD_{t0}, SPD_{t1}$ ).
Derived Concepts ( $C_d$ ): Dies sind deterministische Knoten, die über feste mathematische Regeln aus den Parent-Konzepten berechnet werden, nicht gelernt werden. Dazu gehören prozentuale Veränderungen ( $\Delta V\%, \Delta SPD\%$ ) und binäre Schwellenwert-Flags (z. B. $b_{PD}^{vol}$ , falls $\Delta V\% \ge 40\%$ ). Dies gewährleistet gegenseitige Konsistenz und verhindert, dass das Modell spurlose Korrelationen für diese abgeleiteten Werte lernt.
Passthrough Concepts ( $M$ ): Klinische Metadaten, die direkt injiziert werden, ohne eine Bildkodierung zu durchlaufen, wie etwa das Scan-Intervall ( $\Delta t$ ) und ein Flag für Neuläsionen ( $b_{NL}$ ).

Der finale Task-Head (ein MLP) sagt die 4-Klassen-RANO-Response ( $Y$ ) ausschließlich basierend auf dem strukturierten Bottleneck-Vektor $(C_r, C_d, M)$ voraus, wodurch sichergestellt wird, dass keine „verborgenen“ Bildmerkmale direkt in die Klassifizierung einfließen.

2.3. Interventions-Konsistenz-Training

Um das Problem des „Train-Test-Mismatch“ zu adressieren, bei dem die Korrektur eines Konzepts zum Testzeitpunkt die Verteilung für den Task-Head verschieben könnte, verwendet TRACE ein Intervention-Consistency Training:

Während des Trainings werden Root-Konzepte mit einer Wahrscheinlichkeit $p_{int}$ durch Grundwahrheitswerte (Ground Truth) ersetzt (Intervention).
Das Modell wird mittels einer Kullback–Leibler-Divergenz-Loss ( $\mathcal{L}_{IC}$ ) bestraft, um sicherzustellen, dass die Vorhersage konsistent bleibt, unabhängig davon, ob die Input-Konzepte vorhergesagt oder korrigiert wurden.
Die Loss-Funktion kombiniert ein Soft-Macro-F1-Ziel (mit Focal-Weighting für Klassenimbalance), einen zusätzlichen binären PD-vs-Rest-Head und die Konzept-Supervision für die Root-Nodes.

3. Wichtigste Beiträge

Erstes RANO-konformes CBM: TRACE ist das erste Concept Bottleneck Model, das speziell für die longitudinale GBM-Response-Klassifizierung nach RANO entwickelt wurde und klinische Abhängigkeiten als DAG statt als flachen Satz von Prädiktoren darstellt.
Deterministische Argumentation im Bottleneck: Das Modell kodiert RANO-Logikregeln (prozentuale Veränderungen und Schwellenwerte) als deterministische Knoten. Dies beschränkt den Task-Head auf interpretierbare Variablen und stellt sicher, dass Korrekturen auf Konzeptebene logisch durch die Argumentationskette propagiert werden.
Interventions-Konsistenz-Training: Die Autoren führen eine Trainingsstrategie ein, die explizit die Diskrepanz zwischen Vorhersagen auf Basis vorhergesagter Konzepte versus korrigierter Konzepte bestraft, was eine zuverlässige Intervention zum Testzeitpunkt ermöglicht.
Evaluierung auf LUMIERE: Das Modell wird auf dem LUMIERE-Datensatz mittels 5-facher patientenweiser Kreuzvalidierung evaluiert, wobei es eine Leistungsfähigkeit erreicht, die mit nicht-interpretierbaren Baselines vergleichbar ist, während es gleichzeitig Interpretierbarkeit bietet.

4. Ergebnisse

Evaluiert auf dem LUMIERE-Datensatz (361 longitudinale Paare von 91 Patienten), erreichte TRACE Folgendes:

4-Klassen-Performance: Ein Macro-F1-Score von 0,4769 ± 0,1229.
Binäre Performance (PD vs. Nicht-PD): Ein Macro-F1-Score von 0,7085 ± 0,0935.
Vergleich: TRACE übertraf eine dateneffiziente DCBM-Baseline (0,254 Macro-F1) und blieb innerhalb des Leistungsbereichs publizierter, nicht-interpretierbarer Deep-Learning-Baselines (z. B. DenseNet-basierte Modelle).
Ablationsstudien:
- Das Entfernen des Interventions-Konsistenz-Trainings verursachte einen massiven Leistungsabfall (4-Klassen-F1 sank von 0,696 auf 0,354 in einem spezifischen Fold), was dessen kritische Rolle unterstreicht.
- Das Ersetzen des Experten-DAG durch einen flachen bipartiten Graphen oder das Entfernen der deterministischen Ableitungskette führte ebenfalls zu signifikanten Leistungsverschlechterungen, was die Notwendigkeit des strukturierten, kausalen Graphen bestätigt.
Interventions-Experimente: Die Korrektur von Root-Konzepten (z. B. Tumervolumen) zum Testzeitpunkt propagierte erfolgreich durch die deterministischen Knoten, um die finale Vorhersage zu ändern (z. B. von CR zu PD), was die Auditierbarkeit des Modells validiert.

5. Bedeutung und Ansprüche

Das Paper positioniert TRACE als einen explorativen Schritt hin zu transparenter, strukturierter Konzept-Argumentation in der medizinischen Bildgebung. Die Bedeutung liegt in:

Auditierbarkeit: Es rahmt die Beurteilung des Ansprechens als strukturiertes Argumentationsproblem ein, bei dem Kliniker zwischengeschaltete Messwerte (Volumina, SPDs) inspizieren und intervenieren können, um Fehler zu korrigieren, wobei die Korrektur automatisch die finale Diagnose aktualisiert.
Klinische Ausrichtung: Durch das Hard-Coding der RANO 2.0-Logik in den Bottleneck respektiert das Modell die expliziten klinischen Kriterien, die in der Praxis angewendet werden, im Gegensatz zu Black-Box-Modellen, die implizite Korrelationen lernen.
Design-Pattern: Die Autoren schlagen vor, dass diese Architektur als Design-Pattern für andere longitudinale Aufgaben der medizinischen Bildgebung dienen kann, bei denen Entscheidungen von expliziten klinischen Kriterien, temporalen Veränderungen und menschenverifizierbaren Zwischenmesswerten abhängen.

Die Autoren bleiben hinsichtlich der Ergebnisse bescheiden und merken an, dass die Leistung bei seltenen Klassen (CR und PR) durch die kleine Datensatzgröße begrenzt ist und dass das Modell vor einer breiteren klinischen Anwendung eine externe Validierung auf größeren, protokollkonformen Datensätzen benötigt. Sie räumen ein, dass das Modell zwar die Interpretierbarkeit verbessert, die Schätzung von Root-Konzepten (insbesondere Baseline-Messwerte) jedoch weiterhin eine Herausforderung für zukünftige Arbeiten bleibt.