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

Résumé Technique : Une seule échelle pour régner sur tout : Apprentissage profond multi-échelle interprétable pour la prédiction de la survie cellulaire

Énoncé du problème
La relation entre les caractéristiques physiques des champs de rayonnement et les dommages biologiques est centrale en radiothérapie et en radioprotection. Cependant, le lien entre les échelles spatiales de dépôt d'énergie (nanomètre, micromètre et macroscopique) et les effets biologiques reste mal compris. La modélisation radiobiologique traditionnelle repose souvent sur un seul domaine spatial — tel que le transfert d'énergie linéique (LET) pour les moyennes macroscopiques, la microdosimétrie pour les échelles cellulaires, ou la nanodosimétrie pour les volumes de la taille de l'ADN — négligeant la complexité sous-jacente de la stochasticité des rayonnements à travers différentes échelles. Une question cruciale demeure : existe-t-il une taille de domaine spécifique qui soit la plus pertinente pour prédire les effets biologiques, ou ces échelles sont-elles complémentaires ? De plus, bien que l'apprentissage profond (Deep Learning - DL) offre une haute précision prédictive, sa nature de « boîte noire » limite son utilité dans les contextes cliniques où l'interprétabilité et l'insight mécaniste sont requis.

Méthodologie
Pour relever ces défis, les auteurs ont développé un modèle d'apprentissage profond interprétable entraîné sur l'ensemble de données Particle Irradiation Data Ensemble (PIDE), qui contient des expériences de survie cellulaire pour les protons et les ions carbone.

• Augmentation des données : L'étude a augmenté l'ensemble de données PIDE en simulant des descripteurs physiques supplémentaires au-delà des paramètres macroscopiques conventionnels. En utilisant les outils Monte Carlo MC-STARtrack et Open-TOPAS, les auteurs ont généré :
  • Des quantités nanodosimétriques : Spécifiquement, la fonction de répartition cumulative complémentaire $F^*(n)$ des tailles de clusters d'ionisation dans des volumes de la taille de l'ADN, qui est corrélée avec les dommages complexes à l'ADN.
  • Des quantités microdosimétriques : L'énergie linéique moyenne en fréquence ($\bar{y}_F$) et moyenne en dose ($\bar{y}_D$), simulées dans des sphères d'eau de 1 $\mu$m représentant les noyaux cellulaires.
  • Des quantités macroscopiques : Le LET standard et les valeurs de dose.
• Architecture du modèle : Le cœur de l'approche est une architecture basée sur TabNet employant un mécanisme d'attention séquentiel. Contrairement aux réseaux de neurones standards, ce modèle opère à travers une séquence d'étapes de décision. À chaque étape, un transformateur attentif produit un masque de sélection de caractéristiques creux (utilisant la fonction Sparsemax) pour sélectionner dynamiquement les caractéristiques d'entrée pertinentes.
  • Interprétabilité : Le modèle utilise un a priori de caractéristiques qui décourage la sélection répétée des mêmes caractéristiques à travers les étapes, favorisant une sélection de caractéristiques diversifiée. Un terme de régularisation de la parcimonie basé sur l'entropie des masques d'attention est ajouté à l'objectif d'entraînement. Cette conception garantit une « interprétabilité native », permettant au modèle de mettre en évidence quelles échelles spatiales contribuent à la décision à chaque étape sans nécessiter d'outils d'explication post-hoc comme SHAP.
• Entraînement et évaluation : Le modèle a été entraîné pour prédire les paramètres de survie cellulaire dérivés du formalisme Linéaire-Quadratique (LQ). Les performances ont été évaluées par l'erreur absolue moyenne (MAPE) et l'erreur quadratique moyenne (RMSE) sur des plis indépendants de l'ensemble de données. Les prédictions du modèle ont été comparées aux modèles cliniques établis : le Modèle Cinétique Microdosimétrique (MKM) et le Modèle d'Effet Local (LEM) version III.
• Points de terminaison (Endpoints) : L'étude s'est concentrée sur trois points de terminaison biologiquement significatifs :
  1. La dose pour 10 % de survie ($D_{10}$), utilisée pour calculer l'efficacité biologique relative (RBE).
  2. La survie à 2 Gy (dose fractionnée conventionnelle).
  3. La pente initiale de la courbe de survie (limite de faible dose), reflétant la radiosensibilité intrinsèque.

Résultats clés

• Précision prédictive : Le modèle DL multi-échelle a atteint une MAPE de 9,5 % pour les prédictions de RBE et a démontré une performance supérieure par rapport au MKM et au LEM. Plus précisément, le modèle a atteint une RMSE moyenne d'environ 0,1 pour les lignées cellulaires V79 et HSG, surpassant nettement le MKM (0,8 et 0,2, respectivement) et le LEM (1,3 et 0,5, respectivement).
• Importance des caractéristiques et contribution des échelles :
  • Pas d'échelle dominante unique : L'analyse a révélé qu'aucune échelle spatiale unique n'est prédominante dans toutes les conditions. Au lieu de cela, le modèle combine dynamiquement des informations complémentaires.
  • Hiérarchie des échelles : Les quantités définies à des domaines spatiaux plus petits (nanodosimétrie) exercent généralement une influence plus grande que les descripteurs macroscopiques. Plus précisément, le descripteur nanodosimétrique $F^*(1)$ a systématiquement présenté l'attention la plus élevée pour tous les points de terminaison.
  • Dépendance au point de terminaison :
    • Pour $D_{10}$ et 2 Gy, l'attention était plus uniformément répartie, avec $\bar{y}_D$ et le LET émergeant comme des facteurs influents après $F^*(1)$.
    • Pour la limite de faible dose, les métriques nanodosimétriques ont montré une prédominance claire, seules $\bar{y}_F$ approchant une importance comparable.
  • Dépendance aux particules et à l'énergie :
    • Ions carbone : La nanodosimétrie était environ trois fois plus importante pour les ions carbone que pour les protons. Le modèle a capturé l'effet « overkill » (diminution de l'efficacité biologique à très haut LET) sans termes de saturation mathématique explicites, en s'appuyant plutôt sur l'interaction des caractéristiques microdosimétriques et nanodosimétriques.
    • Protons : La microdosimétrie est devenue significativement plus importante à des énergies plus élevées, principalement sous l'effet de $\bar{y}_F$.
• Radiosensibilité : Les motifs d'attention du modèle variaient selon la radiosensibilité des lignées cellulaires (définie par le ratio $\alpha_X/\beta_X$). Les lignées hautement radiosensibles ($\alpha_X/\beta_X > 4$ Gy) présentaient une attention plus stable à travers les échelles, tandis que les lignées moins sensibles montraient une attention croissante à la microdosimétrie et au LET avec l'énergie.

Signification et affirmations
L'article affirme que sa contribution principale n'est pas simplement l'introduction d'un modèle prédictif plus précis, mais l'étude de l'interprétabilité dans la modélisation radiobiologique multi-échelle. En exploitant une architecture de DL transparente, l'étude démontre que :

1. L'intégration multi-échelle est essentielle : La prédiction précise des effets biologiques induits par les radiations nécessite l'intégration d'informations à travers les échelles nanodosimétriques, microdosimétriques et macroscopiques plutôt que de se fier à un seul descripteur physique.
2. Insight mécaniste piloté par les données : Le modèle permet aux contributions relatives des différentes échelles spatiales d'émerger organiquement des données, sans les biais structurels des modèles mathématiques prédéfinis (comme LEM ou MKM).
3. Pertinence clinique : Le cadre fournit un nouveau prisme pour comprendre comment les différentes échelles de dépôt d'énergie impactent les résultats biologiques, offrant des perspectives qui pourraient guider l'optimisation des plans de traitement en thérapie de particules.
4. Transparence : Le mécanisme d'attention intégré fournit une interprétabilité native, répondant à un obstacle majeur à l'adoption clinique de l'IA en radiothérapie en offrant des informations transparentes sur le processus de décision du modèle.

Les auteurs concluent que, bien que la présente étude soit limitée par la disponibilité des données et les points de terminaison utilisés, l'approche offre une opportunité transformative d'incorporer des descriptions physiques et biologiques détaillées dans l'optimisation des plans de traitement, faisant progresser la précision et la personnalisation de la thérapie par particules.