🤖 machine learning

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

Le papier introduit TRACE, un modèle de goulot d'étranglement de concepts interprétable aligné sur les critères RANO 2.0 qui améliore l'évaluation longitudinale de la réponse du glioblastome sur IRM 3D en prédisant des mesures tumorales cliniquement significatives en tant que concepts intermédiaires pour permettre un raisonnement transparent et une correction clinique potentielle.

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

Publié 2026-06-30

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

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

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un médecin essayant de déterminer si la tumeur cérébrale d'un patient s'améliore, reste stable ou s'aggrave. Vous disposez de deux IRM : une prise au début du traitement (la « référence ») et une autre prise quelques mois plus tard (le « suivi »).

Habituellement, les médecins utilisent un livre de règles strict appelé RANO pour prendre cette décision. Ils ne se contentent pas de regarder les images et de deviner ; ils mesurent la tumeur, calculent de combien elle a grandi ou rétréci, vérifie l'apparition de nouvelles taches, et appliquent ensuite des calculs spécifiques pour décider du résultat.

Le problème des IA actuelles

La plupart des modèles d'IA actuels sont comme des boîtes noires. Vous leur fournissez les scanners IRM, et elles recrachent un verdict : « La tumeur s'aggrave ». Mais elles ne vous expliquent pas pourquoi. Elles pourraient regarder une ombre étrange ou un défaut de l'image plutôt que la taille réelle de la tumeur. Si l'IA se trompe, le médecin ne peut pas facilement la corriger car il ne peut pas voir son raisonnement.

La solution : TRACE

Les auteurs de cet article ont conçu une nouvelle IA appelée TRACE. Au lieu d'une boîte noire, TRACE est comme une chaîne de montage transparente ou une calculatrice étape par étape.

Voici comment fonctionne TRACE, en utilisant une analogie simple :

1. Les « Yeux » (L'encodeur)

D'abord, TRACE examine les deux scanners IRM (référence et suivi) à l'aide d'une caméra 3D spéciale (un réseau de neurones). Elle ne se contente pas de regarder l'image entière ; elle extrait des mesures spécifiques, comme le volume de la tumeur et sa largeur.

Analogie : Considérez cela comme un assistant robotique mesurant la tumeur avec une règle et une balance.

2. Le « Carnet de notes » (Le goulot d'étranglement conceptuel)

C'est la partie la plus importante. Au lieu de passer directement à la réponse finale, TRACE note ses mesures dans un carnet appelé goulot d'étranglement conceptuel (Concept Bottleneck).

Concepts racines : Elle écrit les chiffres bruts : « Taille de la tumeur au début », « Taille de la tumeur maintenant ».
Concepts dérivés : Elle effectue ensuite elle-même les calculs basés sur les règles. Elle calcule : « A-t-elle rétréci de plus de 65 % ? » ou « A-t-elle grandi de plus de 40 % ? ».
Concepts de passage : Elle ajoute également des faits qu'elle n'a pas mesurés mais qu'elle sait être importants, comme « Combien de semaines se sont écoulées entre les scans ? » ou « Une nouvelle tache est-elle apparue ? ».

Pourquoi est-ce génial ? Parce que chaque étape est visible. Si l'IA pense que la tumeur a rétréci de 70 %, un médecin peut regarder le « Carnet de notes » et dire : « Attendez, c'est faux. Elle n'a rétréci que de 50 % ».

3. Le « Juge » (Le classificateur final)

Une fois que le carnet de notes est rempli de ces faits clairs et calculés, une petite IA finale (le Juge) examine le carnet et prend la décision finale : Réponse Complète, Réponse Partielle, Maladie Stable ou Maladie Progressive.

La Magie : Parce que le Juge ne regarde que le carnet de notes et non les images IRM brutes, si un médecin corrige un chiffre dans le carnet, le Juge met instantanément à jour sa décision. Pas besoin de réentraînement !

Comment ils l'ont testé

Ils ont testé TRACE sur un ensemble de données appelé LUMIERE, qui contient des scanners IRM de 91 patients.

Le Résultat : TRACE a obtenu de meilleurs résultats que les autres modèles d'IA « explicables » qui tentaient de faire la même chose. Elle n'était pas tout à fait aussi précise que les modèles de « boîte noire » (qui sont excellents pour deviner mais mauvais pour expliquer), mais elle s'en rapprochait suffisamment pour être utile.
Le Test d'« Intervention » : Ils ont simulé un médecin corrigeant les mesures de l'IA. Lorsque l'on corrigeait les chiffres dans le « Carnet de notes », la prédiction finale de l'IA s'améliorait considérablement. Cela prouve que le système écoute réellement les données qu'il est censé mesurer, et ne se contente pas de deviner en se basant sur des motifs cachés.

L'idée principale à retenir

TRACE change la donne en transformant un « jeu de devinettes » en un processus de raisonnement structuré.

Ancienne méthode : L'IA regarde l'image $\rightarrow$ l'IA devine l'étiquette. (Médecin : « Je ne lui fais pas confiance. »)
Méthode TRACE : L'IA mesure l'image $\rightarrow$ l'IA calcule les changements $\rightarrow$ l'IA applique les règles $\rightarrow$ l'IA donne l'étiquette. (Médecin : « Je vois le calcul. Si je corrige ce chiffre, la réponse change. Je lui fais confiance. »)

Les auteurs concluent que bien que TRACE nécessite plus de tests sur des groupes de personnes plus larges, elle offre une manière prometteuse et transparente d'aider les médecins à suivre l'évolution des tumeurs cérébrales, en garantissant que la logique de l'IA suit les mêmes règles que celles utilisées par les médecins.

Résumé Technique : TRACE – Un Modèle à Goulot d'Étranglement de Concepts pour l'Évaluation Longitudinale de la Réponse du Glioblastome en 3D

1. Énoncé du Problème

L'évaluation longitudinale de la réponse au traitement du glioblastome (GBM) est cruciale pour la prise de décision clinique, mais reste complexe en raison de la subtilité des changements tumoraux au fil du temps et de la complexité des critères cliniques. Les cliniciens s'appuient sur les critères RANO (Response Assessment in Neuro-Oncology), plus précisément RANO 2.0, qui nécessitent la comparaison de mesures tumorales (volume et Somme des Produits des Diamètres, SPD) entre les scanners IRM de base (baseline) et de suivi pour catégoriser la réponse en quatre classes : Réponse Complète (CR), Réponse Partielle (PR), Maladie Stable (SD) et Progression de la Maladie (PD).

Les approches actuelles de l'apprentissage profond prédisent généralement les étiquettes de réponse directement à partir de caractéristiques d'imagerie. Bien qu'efficaces en termes de métriques, ces modèles « boîte noire » manquent d'interprétabilité, ce qui rend difficile pour les cliniciens d'inspecter le raisonnement ou de corriger les erreurs. De plus, les modèles standards échouent souvent à encoder explicitement les dépendances causales structurées inhérentes au protocole RANO (par exemple, les changements en pourcentage sont des fonctions déterministes des mesures de base et de suivi). Il existe un besoin pour une approche qui s'aligne sur le raisonnement clinique, offre de la transparence et permet une intervention humaine au niveau du concept.

2. Méthodologie : L'Architecture TRACE

Les auteurs proposent TRACE (Temporal Causal Reasoning with Acyclic Concept Explanation), un Modèle à Goulot d'Étranglement de Concepts (CBM) conçu spécifiquement pour l'évaluation longitudinale du GBM. Contrairement aux CBM standards qui traitent les concepts comme un ensemble plat de prédicteurs indépendants, TRACE structure le goulot d'étranglement sous la forme d'un Graphe Acyclique Dirigé (DAG) qui reflète le processus de décision RANO.

2.1. Entrée et Encodeur

Le modèle traite des paires de scanners IRM multimodaux (T1, T1ce, T2, FLAIR) de base ( $t_0$ ) et de suivi ( $t_1$ ), ainsi que leurs masques de segmentation tumorale correspondants.

Encodeur Siamois 3D : Un ResNet-18 3D à poids partagés (backbone MedicalNet) encode séparément les deux points temporels pour les flux d'IRM et de segmentation.
Représentation Temporelle : Les sorties de l'encodeur sont concaténées avec leur différence explicite ( $h_{t1} - h_{t0}$ ) pour former un triplet de caractéristiques longitudinales. Ces éléments sont fusionnés en une représentation jointe ( $X_{enc}$ ).

2.2. Goulot d'Étranglement de Concepts Structuré

L'innovation centrale est la séparation des concepts en trois types au sein du DAG :

Concepts Racines ( $C_r$ ) : Mesures tumorales dérivées de l'image, prédites par des « ConceptBlocks » apprenables (MLP) à partir de $X_{enc}$ . Ceux-ci incluent les volumes ( $V_{t0}, V_{t1}$ ) et les SPD ( $SPD_{t0}, SPD_{t1}$ ) de base et de suivi.
Concepts Dérivés ( $C_d$ ) : Ce sont des nœuds déterministes calculés via des règles mathématiques fixes à partir des concepts parents, et non appris. Ils incluent les changements en pourcentage ( $\Delta V\%, \Delta SPD\%$ ) et les drapeaux de seuil binaires (ex: $b_{PD}^{vol}$ si $\Delta V\% \ge 40\%$ ). Cela garantit la cohérence mutuelle et empêche le modèle d'apprendre des corrélations fallacieuses pour ces valeurs dérivées.
Concepts de Pass-through ( $M$ ) : Métadonnées cliniques injectées directement sans encodage d'image, telles que l'intervalle de balayage ( $\Delta t$ ) et un drapeau de nouvelle lésion ( $b_{NL}$ ).

La tête de tâche finale (un MLP) prédit la réponse RANO à 4 classes ( $Y$ ) uniquement sur la base du vecteur de goulot d'étranglement structuré $(C_r, C_d, M)$ , garantissant qu'aucune caractéristique d'image « cachée » ne fuie directement dans la classification finale.

2.3. Entraînement à la Cohérence d'Intervention

Pour traiter le « décalage entraînement-test » où la correction d'un concept au moment du test pourrait déplacer la distribution pour la tête de tâche, TRACE utilise un Entraînement à la Cohérence d'Intervention :

Pendant l'entraînement, les concepts racines sont remplacés aléatoirement par des valeurs de vérité terrain (intervention) avec une probabilité $p_{int}$ .
Le modèle est pénalisé via une perte de divergence de Kullback–Leibler ( $\mathcal{L}_{IC}$ ) pour garantir que la prédiction reste cohérente, que les concepts d'entrée soient prédits ou corrigés.
La fonction de perte combine un objectif macro F1 doux (avec pondération focale pour le déséquilibre des classes), une tête auxiliaire binaire PD-vs-reste, et une supervision de concept pour les nœuds racines.

3. Contributions Clés

Premier CBM aligné sur RANO : TRACE est le premier Modèle à Goulot d'Étranglement de Concepts conçu spécifiquement pour la classification de la réponse du GBM longitudinale basée sur RANO, représentant les dépendances cliniques sous la forme d'un DAG plutôt que d'un ensemble plat de prédicteurs.
Raisonnement Déterministe dans le Goulot d'Étranglement : Le modèle encode les règles de raisonnement RANO (changements en pourcentage et seuils) comme des nœuds déterministes. Cela contraint la tête de tâche à des variables interprétables par l'humain et garantit que les corrections de concepts se propagent logiquement à travers la chaîne de raisonnement.
Entraînement à la Cohérence d'Intervention : Les auteurs introduisent une stratégie d'entraînement qui pénalise explicitement le désaccord entre les prédictions faites sur les concepts prédits versus les concepts corrigés, permettant une intervention fiable au moment du test.
Évaluation sur LUMIERE : Le modèle est évalué sur le jeu de données LUMIERE via une validation croisée par patient en 5 plis, démontrant des performances comparables aux bases non interprétables tout en offrant de l'interprétabilité.

4. Résultats

Évalué sur le jeu de données LUMIERE (361 paires longitudinales de 91 patients), TRACE a obtenu les résultats suivants :

Performance à 4 classes : Un score macro F1 de 0,4769 ± 0,1229.
Performance Binaire (PD vs Non-PD) : Un score macro F1 de 0,7085 ± 0,0935.
Comparaison : TRACE a surpassé une base CBM efficace en données (DCBM) (0,254 macro F1) et est resté dans la plage de performance des bases de l'apprentissage profond non interprétables publiées (ex: modèles basés sur DenseNet).
Études d'Ablation :
- Le retrait de l'entraînement à la cohérence d'intervention a provoqué une chute massive de la performance (le F1 à 4 classes est passé de 0,696 à 0,354 dans un pli spécifique), soulignant son rôle critique.
- Remplacer le DAG expert par un graphe bipartite plat ou supprimer la chaîne de dérivation déterministe a également entraîné une dégradation significative des performances, confirmant la nécessité du grapque causal structuré.
Expériences d'Intervention : La correction des concepts racines (ex: volume tumoral) au moment du test a réussi à se propager à travers les nœuds déterministes pour inverser la prédiction finale (ex: de CR à PD), validant l'auditabilité du modèle.

5. Signification et Revendications

L'article positionne TRACE comme une étape exploratoire vers un raisonnement conceptuel structuré et transparent en imagerie médicale. Sa signification réside dans :

Auditabilité : Il cadre l'évaluation de la réponse comme un problème de raisonnement structuré où les cliniciens peuvent inspecter les mesures intermédiaires (volumes, SPD) et intervenir pour corriger les erreurs, la correction mettant automatiquement à jour le diagnostic final.
Alignement Clinique : En codant en dur la logique RANO 2.0 dans le goulot d'étranglement, le modèle respecte les critères cliniques explicites utilisés en pratique, contrairement aux modèles boîte noire qui apprennent des corrélations implicites.
Modèle de Conception : Les auteurs suggèrent que cette architecture sert de modèle de conception pour d'autres tâches d'imagerie médicale longitudinales où les décisions dépendent de critères cliniques explicites, de changements temporels et de mesures intermédiaires vérifiables par l'humain.

Les auteurs restent modestes quant aux résultats, notant que la performance sur les classes rares (CR et PR) est limitée par la petite taille de l'ensemble de données et que le modèle nécessite une validation externe sur des ensembles de données plus larges et alignés sur les protocoles avant une adoption clinique plus large. Ils reconnaissent que bien que le modèle améliore l'interprétabilité, l'estimation des concepts racines (particulièrement les mesures de base) reste un défi pour les travaux futurs.