One scale to rule them all: interpretable multi-scale Deep Learning for predicting cell survival after proton and carbon ion irradiation

Resumen Técnico: Una escala para gobernarlos a todos: Aprendizaje profundo multiescala interpretable para la predicción de la supervivencia celular

Planteamiento del problema
La relación entre las características físicas de los campos de radiación y el daño biológico es central para la radioterapia y la radioprotección. Sin embargo, el vínculo entre las escalas espaciales de deposición de energía (nanómetros, micrómetros y macroscópica) y los efectos biológicos aún no se comprende del todo. El modelado radiobiológico tradicional suele depender de un único dominio espacial —como la Transferencia Lineal de Energía (LET) para promedios macroscópicos, microdosimetría para escalas celulares o nanodosimetría para volúmenes del tamaño del ADN—, ignorando la complejidad subyacente de la estocasticidad de la radiación en diferentes escalas. Una cuestión abierta crítica es si existe un tamaño de dominio específico que sea más relevante para predecir los efectos biológicos, o si estas escalas son complementarias. Además, aunque el Aprendizaje Profundo (DL) ofrece una alta precisión predictiva, su naturaleza de "caja negra" limita su utilidad en entornos clínicos donde se requiere interpretabilidad e información mecanística.

Metodología
Para abordar estos desafíos, los autores desarrollaron un modelo de Aprendizaje Profundo interpretable entrenado con el conjunto de datos Particle Irradiation Data Ensemble (PIDE), que contiene experimentos de supervivencia celular para protones e iones de carbono.

• Aumento de datos: El estudio aumentó el conjunto de datos PIDE simulando descriptores físicos adicionales más allá de los parámetros macroscópicos convencionales. Utilizando los toolkits de Monte Carlo MC-STARtrack y Open-TOPAS, los autores generaron:
  • Cantidades nanodosimétricas: Específicamente, la función de distribución acumulada complementaria $F^*(n)$ de los tamaños de los cúmulos de ionización dentro de volúmenes del tamaño del ADN, que se correlaciona con el daño complejo al ADN.
  • Cantidades microdosimétricas: Energía lineal media de frecuencia ($\bar{y}_F$) y de dosis ($\bar{y}_D$), simuladas en esferas de agua de 1-$\mu$m que representan los núcleos celulares.
  • Cantidades macroscópicas: Valores estándar de LET y dosis.
• Arquitectura del modelo: El núcleo del enfoque es una arquitectura basada en TabNet que emplea un mecanismo de atención secuencial. A diferencia de las redes neuronales estándar, este modelo opera a través de una secuencia de pasos de decisión. En cada paso, un transformador atento produce una máscara de selección de características dispersa (utilizando la función Sparsemax) para seleccionar dinámicamente las características de entrada relevantes.
  • Interpretabilidad: El modelo utiliza un prior de características que desincentiva la selección repetida de las mismas características a lo largo de los pasos, promoviendo una selección de características diversa. Se añade un término de regularización de dispersión basado en la entropía de las máscaras de atención al objetivo de entrenamiento. Este diseño asegura una "interpretabilidad nativa", permitiendo al modelo resaltar qué escalas espaciales contribuyen a la decisión en cada paso sin requerir herramientas de explicación post-hoc como SHAP.
• Entrenamiento y evaluación: El modelo fue entrenado para predecir parámetros de supervivencia celular derivados del formalismo Lineal-Cuadrático (LQ). El rendimiento se evaluó mediante el Error Porcentual Absoluto Medio (MAPE) y la Raíz del Error Cuadrático Medio (RMSE) en pliegues independientes del conjunto de datos. Las predicciones del modelo se compararon con modelos clínicos establecidos: el Modelo Cinético Microdosimétrico (MKM) y el Modelo de Efecto Local (LEM) versión III.
• Endpoints: El estudio se centró en tres endpoints biológicamente significativos:
  1. La dosis para el 10% de supervivencia ($D_{10}$), utilizada para calcular la Eficacia Biológica Relativa (RBE).
  2. Supervivencia a 2 Gy (dosis fraccionada convencional).
  3. La pendiente inicial de la curva de supervivencia (límite de dosis baja), que refleja la radiosensibilidad intrínseca.

Resultos clave

• Precisión predictiva: El modelo de DL multiescala logró un MAPE del 9.5% para las predicciones de RBE y demostró un rendimiento superior en comparación con MKM y LEM. Específicamente, el modelo logró un RMSE medio de aproximadamente 0.1 para las líneas celulares V79 y HSG, superando significativamente a MKM (0.8 y 0.2, respectivamente) y a LEM (1.3 y 0.5, respectivamente).
• Importancia de las características y contribución de la escala:
  • Sin una escala dominante única: El análisis reveló que ninguna escala espacial es predominante en todas las condiciones. En su lugar, el modelo combina dinámicamente información complementaria.
  • Jerarquía de escalas: Las cantidades definidas en dominios espaciales más pequeños (nanodosimetría) ejercen generalmente una mayor influencia que los descriptores macroscópicos. Específicamente, el descriptor nanodosimétrico $F^*(1)$ exhibió consistentemente la mayor atención en todos los endpoints.
  • Dependencia del endpoint:
    • Para $D_{10}$ y 2 Gy, la atención estuvo distribuida de forma más uniforme, con $\bar{y}_D$ y LET emergiendo como influyentes después de $F^*(1)$.
    • Para el límite de dosis baja, las métricas nanodosimétricas mostraron una clara predominancia, con solo $\bar{y}_F$ acercándose a una importancia comparable.
  • Dependencia de la partícula y la energía:
    • Iones de carbono: La nanodosimetría fue aproximadamente tres veces más importante para los iones de carbono que para los protones. El modelo capturó el "efecto de sobrecarga" (disminución de la eficacia biológica a LET muy alto) sin términos de saturación matemáticos explícitos, basándose en la interacción de las características microdosimétricas y nanodosimétricas.
    • Protones: La microdosimetría se volvió significativamente más importante a energías más altas, impulsada principalmente por $\bar{y}_F$.
• Radiosensibilidad: Los patrones de atención del modelo variaron según la radiosensibilidad de la línea celular (definida por la relación $\alpha_X/\beta_X$). Las líneas altamente radiosensibles ($\alpha_X/\beta_X > 4$ Gy) mostraron una atención más estable a través de las escalas, mientras que las líneas menos sensibles mostraron un aumento de la atención hacia la microdosimetría y la LET con la energía.

Significancia y Reivindicaciones
El artículo sostiene que su contribución principal no es simplemente la introducción de un modelo predictivo más preciso, sino la investigación de la interpretabilidad en el modelado radiobiológico multiescala. Al aprovechar una arquitectura de DL transparente, el estudio demuestra que:

1. La integración multiescala es esencial: La predicción precisa de los efectos biológicos inducidos por la radiación requiere integrar información a través de las escalas nanodosimétrica, microdosimétrica y macroscópica, en lugar de depender de un único descriptor físico.
2. Información mecanística basada en datos: El modelo permite que las contribuciones relativas de las diferentes escalas espaciales emerjan orgánicamente de los datos, libres de los sesgos estructurales de los modelos matemáticos predefinidos (como LEM o MKM).
3. Relevancia clínica: El marco proporciona una nueva lente para comprender cómo diferentes escalas de deposición de energía impactan los resultados biológicos, ofreciendo conocimientos que pueden guiar la optimización de los planes de tratamiento de terapia de partículas.
4. Transparencia: El mecanismo de atención integrado proporciona interpretabilidad nativa, abordando una barrera importante para la adopción clínica de la IA en radioterapia al ofrecer información transparente sobre el proceso de toma de decisiones del modelo.

Los autores concluyen que, si bien el presente estudio está limitado por la disponibilidad de datos y los endpoints utilizados, el enfoque ofrece una oportunidad transformadora para incorporar descripciones físicas y biológicas detalladas en la optimización de los planes de tratamiento, avanzando en la precisión y personalización de la terapia de partículas.