⚡ electrical engineering

BAT-RM: A Boundary-Aware Transformer with Region-Aware Multi-Directional Mamba for Clinically Deployed Cervical Cancer Radiotherapy Auto-Contouring

L'article présente BAT-RM, une architecture hybride déployée en milieu clinique combinant un Transformer sensible aux frontières (Boundary-Aware Transformer) avec un Mamba multidirectionnel sensible aux régions (Region-Aware Multi-Directional Mamba) pour le détourage automatique de la radiothérapie du cancer du col de l'utérus, ce qui permet d'atteindre une précision supérieure, de réduire le temps de détourage de plus de 80 % et de permettre l'initiation du traitement le jour même en comblant le fossé entre la recherche avancée en IA et le déploiement clinique réel.

Auteurs originaux : Istiak Ahmed, Kazi Shahriar Sanjid, Galib Ahmed, Md. Tanzim Hossain, Md. Anwarul Islam, Shahrukh Khan, Md. Ashrif Rahman Arian, Md. Nishan Khan, Md. Misbah Khan, S M Hasibul Hoque, Rahnuma Shahrin Ris

Publié 2026-07-15

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Istiak Ahmed, Kazi Shahriar Sanjid, Galib Ahmed, Md. Tanzim Hossain, Md. Anwarul Islam, Shahrukh Khan, Md. Ashrif Rahman Arian, Md. Nishan Khan, Md. Misbah Khan, S M Hasibul Hoque, Rahnuma Shahrin Rista, Md. Jobairul Islam, Sheikh Anisul Haque, Md Arifur Rahman, Syed Md. Akram Hussain, Syeda Nashra, Sayeed Shafayet Chowdhury, Md. Mostafa Kamal Sarker, M. Monir Uddin

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 oncologue radiothérapeute, un médecin qui combat le cancer en peignant des faisceaux invisibles d'énergie sur le corps d'un patient. Pour ce faire en toute sécurité, vous devez dessiner des cartes incroyablement précises sur un scanner 3D du bassin du patient. Vous devez délimiter la tumeur (pour que le faisceau la frappe) et les « organes à risque » comme la vessie, le rectum et l'intestin grêle (pour que le faisceau les évite).

Le faire à la main, c'est comme essayer de dessiner une carte parfaite d'une rivière sinueuse en étant debout dans un train en mouvement. Cela prend 2,5 heures par patient aux jeunes médecins, et même les experts peuvent être en désaccord sur l'endroit où tracer les lignes. Dans des endroits comme le Bangladesh, où il y a bien plus de patients que de médecins, ce goulot d'étranglement signifie que les gens attendent des semaines ou des mois pour recevoir un traitement.

Entrez en scène BAT-RM, un nouveau système d'IA qui agit comme un copilote super intelligent et infatigable pour ces médecins.

Le Problème : Le « Bord Flou » et la « Carte Gigantesque »

L'article soutient que les tentatives précédentes de l'IA présentaient deux défauts majeurs. Premièrement, elles étaient souvent « floues » sur les bords. Imaginez essayer de tracer le contour d'une côte découpée avec un marqueur épais ; vous manquez les petites anses et les baies. Pour la radiothérapie, manquer un petit morceau de la tumeur ou peindre accidentellement un organe sain est dangereux. Deuxièmement, certains modèles d'IA essayaient d'examiner l'intégralité du scanner du corps d'un coup pour comprendre la vue d'ensemble. Mais regarder une carte entière de 512x512 pixels d'un seul coup, c'est comme essayer de lire une encyclopédie entière en une seconde : cela nécessite tellement de puissance informatique que cela fait planter la plupart des machines d'hôpitaux.

L'article exclut explicitement l'idée que les réseaux convolutionnels standards (comme le populaire nnUNet) ou les Transformers à écran complet soient la solution parfaite pour ce travail spécifique. Il soutient que sans astuces spéciales, ces modèles soit manquent les détails fins, soit deviennent trop lents et lourds pour fonctionner dans une clinique réelle.

La Solution : Un Détective Hybride

Les auteurs ont construit BAT-RM, qui est comme une équipe de détectives composée de deux spécialistes travaillant ensemble, plus un gestionnaire intelligent.

Le Détective des Bords (Branche BAT) : Cette partie de l'IA est obsédée par les limites. Elle utilise un outil mathématique appelé « porte de Sobel » pour agir comme un filtre à haut contraste. Au lieu de regarder toute la pièce, elle ne prête attention qu'aux bords nets où un organe se termine et où un autre commence. C'est comme utiliser une loupe spécifiquement sur le littoral pour tracer chaque petite courbe.
L'Éclaireur à Longue Portée (Branche Mamba) : Cette partie est l'« éclaireur » qui parcourt toute la carte dans quatre directions (Nord, Sud, Est, Ouest) très rapidement. Elle utilise une nouvelle technologie appelée « Mamba » qui peut se souvenir de tout le voyage sans nécessiter une banque de mémoire massive. Elle comprend qu'une boucle d'intestin grêle sur la gauche peut être connectée à une autre sur la droite, même si elles sont éloignées.
Le Gestionnaire Intelligent (Fusion BRAF) : C'est le liant. Il prend les lignes nettes du « Détective des Bords » et le contexte global de l'« Éclaireur » et les mélange parfaitement. Il décide : « D'accord, pour cette partie de la vessie, fais confiance au bord ; pour cette partie de l'intestin, fais confiance à la vue d'ensemble. »

La Preuve : Cela fonctionne mieux et plus vite

L'équipe n'a pas seulement construit cela en laboratoire ; ils l'ont testé sur un ensemble massif de 1 011 patients provenant de trois hôpitaux différents au Bangladesh. Ils ont comparé BAT-RM à quatre autres modèles d'IA de pointe (nnUNet, SegMamba, TransUNet et UNETR).

Les résultats étaient clairs :

Précision : BAT-RM a dessiné les cartes plus précisément que tous les autres. Pour la tumeur (GTV), il a obtenu un score de 0,966 (où 1,0 est parfait), battant le modèle suivant de plus près.
Justesse : La distance entre la ligne de l'IA et la ligne de l'expert était minuscule — seulement 1,50 mm pour la tumeur et 1,24 mm pour le rectum. C'est crucial car les faisceaux de radiation sont précis ; être décalé de ne serait-ce que quelques millimètres peut endommager les tissus sains.
Vitesse : Il fonctionne sur une carte graphique d'hôpital standard (une NVIDIA T4) et ne prend que 18,3 millisecondes pour traiter une seule coupe du scan. Un scan complet prend moins de 2 secondes.

Le Test en Conditions Réelles : L'Étude de Lecteur

Pour voir si cela aide réellement les médecins, les auteurs ont mené une « étude de lecteur » avec 13 oncologues radiothérapeutes (4 experts, 4 seniors et 5 juniors). Ils leur ont demandé de dessiner des cartes sur 100 patients à deux reprises : une fois seuls, et une fois avec l'aide de BAT-RM.

Les résultats sont spectaculaires :

Les jeunes médecins (qui prennent habituellement 152 minutes par patient) ont vu leur temps passer à seulement 29 minutes. C'est une réduction de 80,7 %.
Leur précision est passée de 0,899 à 0,965, ce qui signifie qu'un jeune médecin avec l'aide de l'IA est devenu presque aussi performant qu'un senior travaillant seul.
Le besoin pour les experts de vérifier le travail des juniors a chuté de 52,1 % à 14,3 %.

Le Déploiement : Du Papier au Patient

L'article ne s'arrête pas à « cela fonctionne dans un test ». L'équipe a construit une application web que les médecins peuvent utiliser dès maintenant. Elle se connecte directement aux systèmes de l'hôpital (Varian, RayStation, Monaco). Lorsqu'un médecin approuve la carte de l'IA, elle est instantanément exportée sous forme de fichier standard prêt pour la machine de radiation.

Grâce à cela, à l'hôpital de l'Université Médicale du Bangladesh, le temps d'attente d'un patient pour commencer son traitement est passé de 1–3 jours à 2–3 heures. L'article suggère qu'il s'agit d'un changement réel et mesuré dans le flux de travail de l'hôpital, permettant de traiter plus de patients sans embaucher plus de personnel.

Ce que l'Article Précise qu'il N'est Pas

Les auteurs notent prudemment ce qu'ils n'ont pas encore fait.

Ils n'ont pas encore prouvé que cela fonctionne dans tous les pays du monde ; les données proviennent du Bangladesh.
Ils n'ont pas encore testé cela sur des scanners IRM (qui sont meilleurs pour certaines tumeurs) ; ils n'ont utilisé que des scanners CT.
Ils n'ont pas encore réalisé d'essai massif multi-pays pour prouver que cela fonctionne partout, bien qu'ils aient testé le système sur un groupe distinct de 230 patients d'un quatrième hôpital, et qu'il a toujours très bien performé.

L'Essentiel

BAT-RM n'est pas seulement un ordinateur plus rapide ; c'est un système conçu pour résoudre les problèmes spécifiques du dessin de cartes cancéreuses : les bords flous et la lourdeur de la charge de calcul. En combinant un œil « axé sur les limites » avec une mémoire « à longue portée », il aide les jeunes médecins à travailler comme des experts, réduisant les temps d'attente de traitement de plusieurs jours à quelques heures. L'article présente cela comme une solution prouvée, déployée cliniquement et prête à aider les patients dans les milieux à ressources limitées dès maintenant.

Résumé Technique : BAT-RM pour l'autocontourage en radiothérapie du cancer du col de l'utérus

1. Énoncé du problème

Le cancer du col de l'utérus demeure une cause majeure de mortalité par cancer à l'échelle mondiale, avec un fardeau disproportionné dans les pays à revenu faible ou intermédiaire (PRFI) comme le Bangladesh, où la pénurie sévère d'oncologues radiothérapeutes entraîne des délais de traitement dépassant six mois. La délivrance d'une radiothérapie sûre repose sur la délinéation manuelle précise des volumes cibles (GTV [Volume Tumoral Macroscopique], CTV [Volume Cible Clinique]) et des organes à risque (OAR : vessie, rectum, anses intestinales, têtes fémorales).

Les solutions existantes de deep learning font face à trois limitations principales dans ce contexte :

Précision des contours : Les architectures convolutionnelles manquent souvent de mécanismes explicites pour la délinéation des contours des tissus mous, ce qui conduit à une précision sous-optimale aux interfaces critiques (ex. : interface GTV-paramètre).
Contexte à longue portée : Les Transformers traitent le contexte global mais induisent une complexité computationnelle quadratique ( $O(n^2)$ ), rendant le traitement à pleine résolution (512×512) prohibitif sur le matériel clinique. À l'inverse, les CNN ont des champs récepteurs limités.
Écart de validation clinique : La plupart des études s'appuient sur des jeux de données mono-institutionnels sans analyse rigoureuse de la généralisation multi-centrique ou d'études prospectives de lecteurs mesurant l'efficacité du flux de travail et l'impact au niveau du patient dans des contextes à ressources limitées.

2. Méthodologie : Architecture BAT-RM

Les auteurs proposent BAT-RM (Boundary-Aware Transformer with Region-Aware Mamba), une architecture hybride 2D à branches multiples conçue pour atteindre simultanément une haute précision de contour et une modélisation efficace du contexte à longue portée. Le système traite des coupes de CT axiales (512×512) et reconstruit des volumes 3D via un post-traitement.

Composants architecturaux clés

Le modèle intègre un squelette encodeur-décodeur hiérarchique CNN avec trois modules spécialisés :

Branche Gated Boundary-Aware Transformer (BAT) :
- Fonction : Modélise explicitement les contours des organes pour résoudre l'ambiguïté aux interfaces tissulaires.
- Mécanisme : Opère sur les caractéristiques de l'encodeur $E_3$ (résolution 128×128). Il calcule une carte de magnitude de gradient spatial utilisant des opérateurs de Sobel fixes sur les activations de caractéristiques. Cette carte de gradient est compressée en une porte spatiale apprenable ( $\mathcal{G} \in [0,1]$ ) via une convolution 1×1 et une activation sigmoïde.
- Attention : La porte module les projections Query ( $Q$ ) et Key ( $K$ ) dans un mécanisme de Multi-Head Self-Attention par Strip-Pooling. Cela restreint le calcul de l'attention aux régions de contours à haut gradient, réduisant la complexité de $O(n^2)$ à $O(H+W)$ tout en se concentrant sur les interfaces tissulaires cliniquement pertinentes (ex. : GTV-paramètre).
- Supervision auxiliaire : Une tête de prédiction de contour produit une carte de probabilité de contour entraînée avec une perte Binary Cross-Entropy (BCE).
Module de Contexte Récurrent Multi-directionnel (Branche RM) :
- Fonction : Capture les dépendances anatomiques à longue portée (ex. : anses intestinales dispersées) avec une complexité computationnelle linéaire.
- Mécanisme : Opère sur les caractéristiques du goulot d'étranglement ( $E_5$ , résolution 32×32). Il utilise un modèle d'espace d'état sélectif (SSM) Mamba avec un balayage séquentiel à quatre directions (Nord $\rightarrow$ Sud, Sud $\rightarrow$ Nord, Est $\rightarrow$ Ouest, Ouest $\rightarrow$ Est).
- Efficacité : En sérialisant la carte de caractéristiques 2D en quatre séquences 1D et en les traitant avec le balayage sélectif de Mamba, le module atteint une complexité de $O(n)$ , évitant les goulots d'étranglement de mémoire de l'auto-attention spatiale complète.
- Porte (Gating) : Des portes activées par SiLU suppriment les tokens non informatifs (ex. : fond homogène) tout en amplifiant les structures anatomiquement pertinentes.
Module de Fusion Boundary-Region Attention (BRAF) :
- Fonction : Combine de manière adaptative les caractéristiques sensibles aux contours (issues de BAT) et le contexte global sensible aux régions (issu de RM).
- Mécanisme : Les caractéristiques RM sont suréchantillonnées pour correspondre à la résolution de BAT. Une porte d'attention spatio-canale apprenable ( $\alpha$ ) calcule une combinaison convexe des deux flux. Les caractéristiques fusionnées sont ensuite modulées par le squelette de contour prédit ( $\hat{B}$ ) de la branche BAT pour imposer une délinéation de bord nette avant de passer au décodeur.

Stratégie d'entraînement

Fonction de perte : Une perte composite supervise le chevauchement de segmentation, la précision des contours et la lissité :
- Soft Dice Loss : Pondérée par la fréquence inverse des voxels pour gérer le déséquilibre des classes.
- Focal Loss : Se concentre sur l'entraînement des pixels de contours difficiles et ambigus.
- Boundary BCE Loss : Supervise la tête de contour auxiliaire.
- Régularisation de lissage (Smoothness) : Pénalise les écarts de gradient entre les cartes de contour prédites et celles de vérité terrain pour éviter les contours dentelés.
Données : Entraîné sur un jeu de données multi-institutionnel de 1 011 patients provenant de trois centres bangladais (BMU, SHL, LSH), couvrant sept classes anatomiques.

Pipeline d'inférence

Le système utilise une stratégie d'inférence 2D tranche par tranche suivie d'un post-traitement Gaussien 3D ( $\sigma=0,8$ mm) pour assurer la continuité inter-tranches sans le coût de mémoire des réseaux 3D. La sortie est reconstruite en un DICOM RT-Structure Set compatible avec les systèmes de planification de traitement Varian, RayStation et Monaco.

3. Contributions clés

Architecture hybride novatrice : Introduction de BAT-RM, qui combine de manière unique l'attention de contour par porte de Sobel, le balayage Mamba multi-directionnel et la fusion guidée par le squelette de contour pour traiter simultanément la précision des contours et le contexte à longue portée.
Jeu de données multi-institutionnel à grande échelle : Création et contrôle qualité rigoureux du plus grand jeu de données CT pour le cancer du col de l'utérus dans un contexte de PRFI (1 011 patients, trois centres, sept classes), incluant une analyse de la fiabilité inter-observateur (Jaccard moyen = 0,961).
Validation clinique complète :
- Quantitative : Performances supérieures par rapport à quatre bases de référence (nnUNet, SegMamba, TransUNet, UNETR) sur les sept classes avec des améliorations statistiquement significatives (corrigées par Bonferroni-Holm).
- Qualitative : Preuves mécanistes via des cartes d'erreur, des superpositions de contours et une analyse GradCAM multi-méthode confirmant la focalisation sur les contours.
- Étude de lecteur prospective : Une étude multi-centrique avec 13 oncologues (100 cas) démontrant des améliorations significatives du flux de travail.
Déploiement clinique de bout en bout : Développement d'une application web de niveau production avec exportation native DICOM RTSTRUCT, déployée à l'université médicale de Bangladesh, réduisant les délais d'attente des patients de plusieurs jours à quelques heures.

4. Résultats

Performance quantitative

BAT-RM a atteint des résultats de pointe sur l'ensemble de test réservé (254 patients) :

Volumes cibles : Dice GTV = 0,9662 (vs nnUNet 0,9450) ; Dice CTV = 0,9571 (vs nnUNet 0,8966).
OARs : Dice Rectum = 0,9556 ; Dice Vessie = 0,9655 ; Dice Intestin grêle = 0,9741.
Précision des contours : HD95 GTV = 1,500 mm ; HD95 CTV = 1,507 mm ; HD95 Rectum = 1,242 mm. Cela représente des réductions significatives de l'erreur de contour par rapport aux bases de référence (ex. : réduction de 38,7 % de l'HD95 du GTV par rapport à nnUNet).
Efficacité : 28,4 M de paramètres, 41,2 GFLOPs et un temps d'inférence de 18,3 ms par tranche sur un seul GPU NVIDIA T4 (3,8 Go de VRAM), surpassant nettement les bases de référence 3D en vitesse et en utilisation de mémoire.

Résultats de l'étude de lecteur

Précision : L'assistance par l'IA a élevé l'IoU des oncologues juniors de 0,899 à 0,965 (approchant la performance non assistée des seniors de 0,938).
Efficacité : Le temps de contourage a été réduit de 80,7 % pour les juniors (de 152 à 29 minutes par cas).
Flux de travail : Le taux de consultation d'experts pour les juniors est passé de 52,1 % à 14,3 %. Les scores de confiance auto-rapportés ont augmenté de 40 % pour les juniors.
Impact du déploiement : Suite au déploiement, les délais d'attente des patients pour la simulation de radiothérapie sont passés de 1 à 3 jours à 2 à 3 heures sans personnel supplémentaire.

Études d'ablation

L'étude d'ablation systématique a confirmé la nécessité de chaque composant :

Le retrait du bloc BAT a causé la chute de performance la plus importante (mIoU -0,0509), particulièrement pour les structures aux contours ambigus comme le rectum et le GTV.
Le retrait du bloc RM a dégradé les performances sur les structures nécessitant un contexte global (vessie, têtes fémorales).
Le retrait du module de fusion BRAF a réduit les performances sur tous les petits OAR, soulignant l'importance de la combinaison adaptative des caractéristiques.

5. Signification et affirmations

L'article affirme que BAT-RM démontre un pipeline de translation rigoureux qui va au-delà des exercices de benchmark pour délivrer des bénéfices patients mesurables dans des contextes à ressources limitées. Les affirmations clés incluent :

Supériorité technique : L'intégration de l'attention de contour et du balayage Mamba à temps linéaire résout les doubles défis de la précision des contours et du contexte à longue portée sans coûts computationnels prohibitifs.
Utilité clinique : Le système n'est pas seulement une amélioration algorithmique mais un outil déployable qui réduit considérablement la charge de travail des cliniciens et les délais d'attente, permettant un début de traitement le jour même ou le lendemain.
Pertinence pour les PRFI : L'étude fournit la première étude de lecteur multi-centrique pour l'autocontourage du cancer du col de l'utérus dans un contexte de PRFI, prouvant que l'IA peut atténuer la pénurie de spécialistes et améliorer l'équité des soins.
Robustesse : Le modèle se généralise à travers des fabricants de scanners et des protocoles hétérogènes de trois institutions et maintient ses performances sur une cohorte externe indépendante (230 patients) sans ajustement fin.

Les auteurs concluent que ce travail établit un cadre pour traduire la recherche en apprentissage automatique en un impact clinique direct, caractérisé par la curation de données multi-centriques, la conception d'architecture motivée par les modes de défaillance cliniques et le déploiement en routine de production.