Riassunto Tecnico: TRACE – Un Modello a Collo di Bottiglia Concettuale per la Valutazione Longitudinale della Risposta al Glioblastoma 3D

1. Definizione del Problema

La valutazione longitudinale della risposta al trattamento del Glioblastoma (GBM) è fondamentale per il processo decisionale clinico, ma rimane una sfida a causa della sottigliezza dei cambiamenti tumorali nel tempo e della complessità dei criteri clinici. I clinici si affidano ai criteri RANO (Response Assessment in Neuro-Oncology, specificamente RANO 2.0), che richiedono il confronto delle misurazioni tumorali (volume e Somma dei Prodotti dei Diametri, SPD) tra le scansioni MRI basali e di follow-up per categorizzare la risposta in quattro classi: Risposta Completa (CR), Risposta Parziale (PR), Malattia Stabile (SD) e Malattia Progressiva (PD).

Gli attuali approcci di deep learning tipicamente predicono le etichette di risposta direttamente dalle caratteristiche di imaging. Sebbene efficaci in termini di metriche, questi modelli "black-box" mancano di interpretabilità, rendendo difficile per i clinici ispezionare il ragionamento o correggere gli errori. Inoltre, i modelli standard spesso non codificano esplicitamente le dipendenze strutturate e causali inerenti al protocollo RANO (ad esempio, le variazioni percentuali sono funzioni deterministiche delle misurazioni basali e di follow-up). È necessario un approccio che si allinei al ragionamento clinico, offra trasparenza e permetta l'intervento umano a livello di concetto.

2. Metodologia: L'Architettura TRACE

Gli autori propongono TRACE (Temporal Causal Reasoning with Acyclic Concept Explanation), un Modello a Collo di Bottiglia Concettuale (CBM) progettato specificamente per la valutazione longitudinale del GBM. A differenza dei CBM standard che trattano i concetti come un insieme piatto di predittori indipendenti, TRACE struttura il collo di bottiglia come un Grafo Aciclico Diretto (DAG) che rispecchia il processo decisionale RANO.

2.1. Input ed Encoder

Il modello elabora coppie di scansioni MRI multimodali ($t_0$ basale e $t_1$ follow-up: T1, T1ce, T2, FLAIR) insieme alle relative maschere di segmentazione del tumore.

• Encoder Siamese 3D: Un encoder 3D con pesi condivisi (backbone MedicalNet ResNet-18) codifica separatamente i due momenti temporali per i flussi MRI e di segmentazione.
• Rappresentazione Temporale: Gli output dell'encoder vengono concatenati con la loro differenza esplicita ($h_{t1} - h_{t0}$) per formare una tripletta di caratteristiche longitudinali. Queste vengono fuse in una rappresentazione congiunta ($X_{enc}$).

2.2. Collo di Bottiglia Concettuale Strutturato

L'innovazione principale è la separazione dei concetti in tre tipi all'interno del DAG:

1. Concetti Radice ($C_r$): Misurazioni tumorali derivate dall'immagine, predette da "ConceptBlocks" apprendibili (MLP) a partire da $X_{enc}$. Questi includono volumi ($V_{t0}, V_{t1}$) e SPD ($SPD_{t0}, SPD_{t1}$) basali e di follow-up.
2. Concetti Derivati ($C_d$): Questi sono nodi deterministici calcolati tramite regole matematiche fisse dai concetti genitori, non appresi. Includono variazioni percentuali ($\Delta V\%, \Delta SPD\%$) e flag binari di soglia (ad esempio, $b_{PD}^{vol}$ se $\Delta V\% \ge 40\%$). Ciò garantisce la mutua coerenza e impedisce al modello di apprendere correlazioni spurie per questi valori derivati.
3. Concetti di Passaggio ($M$): Metadati clinici iniettati direttamente senza codifica d'immagine, come l'intervallo di scansione ($\Delta t$) e un flag per nuove lesioni ($b_{NL}$).

Il task head finale (un MLP) predice la risposta RANO a 4 classi ($Y$) esclusivamente sulla base del vettore strutturato del collo di bottiglia $(C_r, C_d, M)$, garantendo che nessuna caratteristica d'immagine "nascosta" possa filtrare direttamente nella classificazione finale.

2.3. Addestramento e Coerenza dell'Intervento

Per affrontare il "disallineamento tra addestramento e test" (train-test mismatch), dove la correzione di un concetto al momento del test potrebbe spostare la distribuzione per il task head, TRACE impiega l'Intervention-Consistency Training:

• Durante l'addestramento, i concetti radice sono sostituiti casualmente con valori reali (intervento) con una probabilità $p_{int}$.
• Il modello è penalizzato tramite una perdita di divergenza di Kullback–Leibler ($\mathcal{L}_{IC}$) per garantire che la predizione rimanga coerente sia che i concetti in input siano predetti o corretti.
• La funzione di perdita combina un obiettivo macro F1 (con pesatura focal per lo sbilanciamento delle classi), un ausiliario head binario PD-vs-rest e la supervisione dei concetti per i nodi radice.

3. Contributi Chiave

1. Primo CBM Allineato a RANO: TRACE è il primo Modello a Collo di Bottiglia Concettuale progettato specificamente per la classificazione della risposta al GBM longitudinale basata su RANO, rappresentando le dipendenze cliniche come un DAG piuttosto che come un insieme piatto di predittori.
2. Ragionamento Deterministico nel Collo di Bottiglia: Il modello codifica le regole di ragionamento RANO (variazioni percentuali e soglie) come nodi deterministici. Ciò vincola il task head a variabili interpretabili dall'uomo e assicura che le correzioni a livello di concetto si propaghino logicamente attraverso la catena di ragionamento.
3. Intervention-Consistency Training: Gli autori introducono una strategia di addestramento che penalizza esplicitamente il disaccordo tra le predizioni effettuate su concetti predetti rispetto a quelli corretti, consentendo un intervento affidabile al momento del test.
4. Valutazione su LUMIERE: Il modello è valutato sul dataset LUMIERE tramite una validazione cross-patient a 5 fold, dimostrando prestazioni comparabili a quelle dei modelli basati su deep learning non interpretabili.

4. Risultati

Valutato sul dataset LUMIERE (361 coppie longitudinali da 91 pazienti), TRACE ha ottenuto:

• Prestazioni a 4 Classi: Un punteggio macro F1 di 0.4769 ± 0.1229.
• Prestazioni Binarie (PD vs. Non-PD): Un punteggio macro F1 di 0.7085 ± 0.0935.
• Confronto: TRACE ha superato il baseline DCBM (Data-Efficient CBM, 0.254 macro F1) e si è mantenuto nell'ordine di grandezza delle prestazioni dei modelli deep learning non interpretabili pubblicati (es. modelli basati su DenseNet).
• Studi di Ablazione:
  • La rimozione dell'intervento-consistency training ha causato un calo massiccio delle prestazioni (la F1 a 4 classi è scesa da 0.696 a 0.354 in un fold specifico), evidenziando il suo ruolo critico.
  • Sostituire l'expert DAG con un grafo bipartito piatto o rimuovere la catena di derivazione deterministica ha portato a una significativa degradazione delle prestazioni, confermando la necessità del grafo causale strutturato.
• Esperimenti di Intervento: Correggere i concetti radice (ad esempio, il volume tumorale) al momento del test ha permesso di propagare con successo le modifiche attraverso i nodi deterministici per invertire la predizione finale (ad esempio, da CR a PD), validando l'auditabilità del modello.

5. Significatività e Rivendicazioni

Il paper posiziona TRACE come un passo esplorativo verso un ragionamento concettuale strutturato e trasparente nell'imaging medico. La sua significatività risiede in:

• Auditabilità: Inquadra la valutazione della risposta come un problema di ragionamento strutturato in cui i clinici possono ispezionare le misurazioni intermedie (volumi, SPD) e intervenire per correggere gli errori, con la correzione che aggiorna automaticamente la diagnosi finale.
• Allineamento Clinico: Codificando la logica RANO 2.0 nel collo di bottiglia, il modello rispetta i criteri espliciti utilizzati nella pratica, a differenza dei modelli black-box che apprendono correlazioni implicite.
• Pattern di Design: Gli autori suggeriscono che questa architettura serva come pattern di design per altri compiti di imaging medico longitudinale in cui le decisioni dipendono da criteri clinici espliciti, cambiamenti temporali e misurazioni intermedie verificabili dall'uomo.

Gli autori mantengono un tono modesto riguardo ai risultati, notando che le prestazioni sulle classi rare (CR e PR) sono limitate dalle dimensioni ridotte del dataset e che il modello richiede una validazione esterna su dataset più ampi e conformi ai protocolli prima di un più ampio utilizzo clinico. Riconoscono inoltre che, sebbene il modello migliori l'interpretabilità, la stima dei concetti radice (specialmente le misurazioni basali) rimane una sfida per il lavoro futuro.