Predicting Response to Neoadjuvant Chemotherapy in Ovarian Cancer from CT Baseline Using Multi-Loss Deep Learning

Sintesi Tecnica: Predizione della Risposta alla Chemioterapia Neoadjuvante nel Carcinoma Ovarico tramite TC Basale Utilizzando Deep Learning Multi-Loss

Enunciato del Problema
Il carcinoma ovarico rimane la neoplasia ginecologica più letale, con circa il 60% dei pazienti diagnosticato in uno stadio avanzato. La gestione standard prevede spesso chemioterapia neoadjuvante (NACT) seguita da chirurgia di debulking intervallata. Tuttavia, esiste un bisogno clinico critico non soddisfatto: circa il 40% dei pazienti assegnati alla NACT non trae beneficio oggettivo dalla terapia. Identificare questi non-responder prima dell'inizio del trattamento è essenziale per prevenire terapie inefficaci ed evitare ritardi nella gestione chirurgica ottimale. Gli attuali strumenti predittivi si basano spesso su dati clinici basali o caratteristiche radiomiche che possono mancare di robustezza o richiedere segmentazione manuale, rendendo necessaria una soluzione non invasiva e automatizzata in grado di analizzare le immagini pre-trattamento per stratificare efficacemente i pazienti.

Metodologia
Gli autori propongono un framework di deep learning non invasivo che predice la risposta alla NACT utilizzando scansioni TC 3D con mezzo di contrasto pre-trattamento. La pipeline elabora i dati volumetrici ($V_{CT}$) attraverso le seguenti fasi:

1. Segmentazione delle Lesioni: Un modello di segmentazione deep learning open-source ($M_S$) genera automaticamente maschere 3D delle lesioni dai volumi TC grezzi, isolando le regioni tumorali.
2. Codifica delle Fette: Il volume della maschera 3D viene ridisegnato in una sequenza di fette assiali. Ogni fetta viene convertita in una rappresentazione a 3 canali ed elaborata indipendentemente da un encoder Vision Transformer (ViT) pre-addestrato ($E_{ViT}$), specificamente DINOv3 Base Patch16. L'encoder estrae gli embedding dei token, dai quali il token di classificazione ($t_{cls}$) funge da descrittore globale per ogni fetta.
3. Aggregazione Volumetrica: I token di classificazione da tutte le fette vengono concatenati e arricchiti con embedding posizionali apprendibili per preservare l'ordine delle fette. Un modulo di pooling basato sull'attenzione aggrega queste rappresentazioni a livello di fetta, modellando le relazioni inter-fetta, seguito da un pooling medio per produrre un singolo embedding volumetrico ($z_V$).
4. Predizione Multi-Testa: L'embedding condiviso $z_V$ si dirama in due teste:
   • Testa di Classificazione: Un Perceptron Multistrato (MLP) che restituisce logit binari (responder vs non-responder).
   • Testa di Proiezione: Un MLP che mappa l'embedding in uno spazio a bassa dimensionalità ($z_p$) per l'apprendimento contrastivo.
5. Strategia di Addestramento: Il modello impiega un approccio di transfer learning in cui l'encoder ViT viene fine-tuned utilizzando adattatori LoRA (Low-Rank Adaptation) limitati all'ultimo blocco Transformer per prevenire l'overfitting sul piccolo dataset. L'obiettivo di addestramento combina due perdite:
   • Perdita Cross-Entropy ($L_{CE}$): Perdita di classificazione standard.
   • Perdita Contrastiva Supervisionata ($L_{SupCon}$): Una perdita consapevole del margine che avvicina gli embedding della stessa classe e allontana le classi diverse di un margine $m$.
   • Hard Negative Mining: Durante l'addestramento, le coppie negative vengono selezionate dinamicamente in base alla loro prossimità nello spazio degli embedding per focalizzare l'ottimizzazione sui casi ambigui. Il peso della perdita contrastiva ($\alpha$) viene aumentato linearmente da 0 a 0,3 durante l'addestramento per stabilizzare l'apprendimento iniziale delle rappresentazioni prima di imporre vincoli geometrici.

Contributi Chiave

• Architettura: Integrazione di un ViT pre-addestrato con un modulo di aggregazione volumetrica basato sull'attenzione per elaborare maschere di lesioni 3D senza richiedere ingegneria manuale delle caratteristiche.
• Obiettivo di Addestramento: Un framework multi-loss che combina cross-entropy con apprendimento contrastivo supervisionato e hard-negative mining per migliorare la separazione tra responder e non-responder ambigui.
• Efficienza: Utilizzo di LoRA per un fine-tuning efficiente in termini di parametri, consentendo l'adattamento di grandi modelli pre-addestrati a un dominio medico specifico con dati limitati (280 pazienti).
• Analisi di Ablazione: Confronto sistematico che dimostra come sia la perdita contrastiva che la strategia di fine-tuning siano critiche per le prestazioni, superando i modelli che utilizzano solo cross-entropy o backbones congelati.

Risultati
Il modello è stato valutato su una coorte retrospettiva monocentrica dell'Istituto Europeo di Oncologia, composta da 280 pazienti eleggibili (147 responder, 133 non-responder), suddivisi in un set di sviluppo (226) e un set di test indipendente (54).

• Prestazioni: Sul set di test, il modello proposto Multi-Loss Fine-Tuned (ML-FT) ha raggiunto un ROC-AUC di 0,73 (IC 95%: 0,58–0,86) e un F1-score di 0,70 (IC 95%: 0,56–0,82).
• Analisi Comparativa: Il modello ML-FT ha superato significativamente:
  • Una re-implementazione di base di Yin et al. (AUC 0,47).
  • Una variante senza perdita contrastiva (CE-FT, AUC 0,66).
  • Una variante con backbone congelato (ML-FR, AUC 0,59).
• Interpretabilità: L'analisi dei pesi dell'attenzione ha rivelato che il modello privilegia le fette centrali contenenti il nucleo della lesione, allineandosi all'intuizione clinica secondo cui le sezioni trasversali centrali del tumore forniscono le informazioni morfologiche più discriminative.
• Calibrazione: Il modello ha mostrato una sotto-confidenza sistematica per la classe positiva, suggerendo stime di probabilità conservative.
• Analisi degli Errori: Le previsioni incerte ma corrette sono state spesso trovate vicino al limite intrinseco RECIST 1.1, indicando che alcune ambiguità derivano dallo standard di riferimento stesso piuttosto che dal fallimento del modello.

Significato e Affermazioni
Il paper afferma che l'architettura proposta impara con successo pattern predittivi clinicamente rilevanti dalla sola morfologia delle lesioni pre-trattamento. I risultati suggeriscono che la combinazione di codifica volumetrica ViT e apprendimento contrastivo supervisionato fornisce una base robusta per uno strumento di stratificazione basato sulle immagini. Distinguendo efficacemente tra responder e non-responder, lo strumento ha il potenziale di supportare la pianificazione terapeutica personalizzata, ridurre l'esposizione a chemioterapia inefficace e facilitare una gestione chirurgica tempestiva. Gli autori sottolineano che la capacità del modello di gestire casi ambigui attraverso la regolarizzazione contrastiva affronta una limitazione chiave degli approcci di classificazione standard in questo dominio.