Robustness of Transformer-Based Fluence Map Prediction Under Clinically Realistic Perturbations

Sintesi Tecnica: Robustezza della Predizione delle Mappe di Fluenza Basata su Transformer Sotto Perturbazioni Clinically Realistiche

Enunciato del Problema
La predizione delle mappe di fluenza basata sull'apprendimento offre un'alternativa promettente alla pianificazione inversa iterativa nella Radioterapia a Intensità Modulata (IMRT), potenzialmente riducendo i tempi di pianificazione e la variabilità inter-operatoria. Tuttavia, la robustezza di questi modelli sotto spostamenti di distribuzione realistici incontrati durante il dispiegamento clinico rimane incerta. Mentre la pianificazione convenzionale gestisce le incertezze (rumore di imaging, errori di posizionamento del paziente, variabilità dello scanner) attraverso margini geometrici e vincoli di robustezza, l'interazione tra queste incertezze e le rappresentazioni apprese nei modelli di deep learning è meno trasparente. Le valutazioni esistenti spesso danno priorità all'accuratezza su set di test stabili, assumendo implicitamente distribuzioni dei dati che raramente valgono nella pratica. Inoltre, le mappe di fluenza presentano un profilo di rischio distinto: in quanto target di regressione densi vincolati dalla geometria del fascio e dalla conservazione dell'energia, piccole perturbazioni possono indurre cambiamenti di modulazione non lineari che non sono catturati dalle metriche standard di similarità delle immagini, ma risultano in deviazioni dosimetriche clinicamente significative.

Metodologia
Gli autori valutano la robustezza di una pipeline di predizione della fluenza basata su transformer a due stadi, coerente con il framework FluenceFormer:

1. Stadio Anatomia-Dose ($g_\phi$): Mappa l'anatomia del paziente (TC e contorni) su una distribuzione di dose predetta.
2. Stadio Dose-Fluenza ($f_\theta$): Regredisce le mappe di fluenza dei beamlet dalla dose predetta e dalla geometria del fascio.

Lo studio si concentra sullo stadio della fluenza ($f_\theta$) in quanto governa direttamente la modulazione erogabile, sottoponendo allo stress anche lo stadio anatomia-dose su dataset esterni. Gli autori confrontano diversi backbones di encoder transformer: SwinUNETR (attenzione a finestre gerarchica), UNETR (attenzione globale completa), nnFormer e MedFormer (attenzione ibrida), tutti addestrati con una funzione di perdita Fluence-Aware Regression (FAR). Questa funzione di perdita combina MSE voxel-per-voxel, coerenza del gradiente, correlazione e un termine energetico informato dalla fisica per imporre la coerenza energetica globale.

La robustezza è valutata attraverso quattro scenari di perturbazione motivati clinicamente utilizzando un dataset IMRT prostatico di una singola istituzione (99 pazienti) e due dataset pubblici (OpenKBP testa-collo e CORT prostatico) per il test di stress cross-dataset:

• Perturbazioni Geometriche: Spostamenti traslazionali (3–5 mm) e rotazioni nel piano (2°–5°).
• Perturbazioni Radiometriche: Rumore gaussiano additivo ($\sigma = 0.05–0.20$) e campi di bias moltiplicativi lisci.
• Scarsità di Dati: Addestramento su frazioni ridotte del dataset (25%, 50%, 75%).
• Shift di Dominio: Shift di dominio sintetici che mimano la variabilità dello scanner.

Le prestazioni sono quantificate utilizzando l'Indice di Similarità Strutturale (SSIM) e, crucialmente, il 75° percentile dell'errore energetico ($EQ^{75}_{err}$) per catturare la stabilità della dose di coda e le modalità di fallimento fisicamente significative.

Risultati Chiave

• Robustezza Geometrica: Gli errori rotazionali si sono rivelati più disruptivi degli spostamenti traslazionali. Sebbene tutti i modelli mostrassero un decadimento fluido delle prestazioni, SwinUNETR (attenzione gerarchica) ha esibito la crescita più lenta nell'errore energetico del quartile superiore ($EQ^{75}_{err}$) rispetto alle varianti completamente globali (UNETR) e ibride. I baseline CNN hanno mostrato SSIM simili ma errori energetici di coda significativamente più alti.
• Robustezza Radiometrica: Tutti i backbone hanno dimostrato un decadimento monotono dell'SSIM con l'aumento del rumore. nnFormer è stato il più sensibile (caduta >20% SSIM), mentre SwinUNETR e MedFormer sono stati più tolleranti, probabilmente grazie a rappresentazioni multi-scala che sopprimono il rumore ad alta frequenza.
• Efficienza dei Dati: Tutti i modelli sono migliorati con più dati, ma i comportamenti di scalabilità sono differiti. SwinUNETR è rimasto il più efficiente in termini di dati, raggiungendo l'SSIM più alto e il più basso $EQ^{75}_{err}$ anche con solo il 25% dei dati di addestramento. Al contrario, nnFormer è risultato altamente dipendente dai dati.
• Robustezza di Dominio: Sotto perturbazioni da campi di bias, modelli come CNN e Swin-Direct hanno mantenuto un SSIM elevato ma hanno incorso in grandi errori energetici di coda, indicando predizioni visivamente plausibili ma dosimetricamente non sicure. Le varianti FluenceFormer, in particolare SwinUNETR addestrato con perdita informata dalla fisica, hanno controllato meglio la deriva energetica.
• Generalizzazione Cross-Dataset: Lo stadio anatomia-dose si è generalizzato ragionevolmente bene ai dataset OpenKBP e CORT senza fine-tuning, con curve DVH che degradano fluidamente sotto perturbazioni moderate.

Significato e Affermazioni
Il documento afferma che la robustezza nella predizione della fluenza non è una funzione esclusivamente della novità architetturale, ma emerge dall'interplay tra bias induttivo architetturale (specificamente l'attenzione a finestre gerarchica) e supervisione informata dalla fisica.

I punti chiave includono:

1. Limiti dell'SSIM: Le metriche di similarità strutturale da sole sono insufficienti per la valutazione della sicurezza clinica, in quanto possono mascherare predizioni fisicamente incoerenti (ad esempio, alto SSIM con grandi errori energetici).
2. Importanza delle Metriche Energetiche: Le metriche basate sull'energia (come $EQ^{75}_{err}$) sono critiche per identificare modalità di fallimento clinicamente rilevanti ma invisibili alle misure di similarità delle immagini.
3. Resilienza Architetturale: I meccanismi di attenzione gerarchica (ad esempio SwinUNETR) forniscono una resilienza superiore al disallineamento e al rumore rispetto all'attenzione completamente globale, probabilmente limitando la propagazione degli errori spaziali.
4. Sicurezza del Dispiegamento: Il test di stress sistematico sotto incertezza realistica, piuttosto che l'accuratezza in condizioni pulite, è un prerequisito per l'adozione clinica responsabile della predizione della fluenza basata sull'apprendimento. Lo studio delinea i range operativi in cui la predizione diretta della fluenza rimane affidabile e identifica i regimi in cui la robustezza si rompe.