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

技術的概要：臨床的に現実的な摂動下におけるトランスフォーマーベースのフラウンマップ予測のロバスト性

問題提起
学習ベースのフラウンマップ予測は、強度変調放射線治療（IMRT）における反復的逆計画の有望な代替手段を提供し、計画時間の短縮とオペレーター間のばらつきの低減が期待される。しかし、臨床展開中に遭遇する現実的な分布シフトに対するこれらのモデルのロバスト性は、依然として不明瞭である。従来の計画では、画像ノイズ、患者セットアップ誤差、スキャナーのばらつきといった不確実性を、幾何学的マージンとロバスト性制約を通じて管理しているが、これらの不確実性と深層学習モデルにおける学習された表現との相互作用は、あまり透明ではない。既存の評価は、安定したテストセット上での精度を優先し、実際にはめったに成立しないデータ分布を暗黙的に仮定していることが多い。さらに、フラウンマップは、ビーム幾何学とエネルギー保存則によって制約された高密度な回帰ターゲットであるため、小さな摂動が、標準的な画像類似度指標では捉えられない非線形な変調変化を引き起こし、臨床的に有意な線量学的な逸脱をもたらすという、固有のリスクプロファイルを示す。

方法論
著者は、FluenceFormer フレームワークと整合する、2 段階のトランスフォーマーベースのフラウン予測パイプラインのロバスト性を評価した。

1. 解剖学から線量への段階（$g_\phi$）： 患者の解剖学（CT と輪郭）を予測された線量分布にマッピングする。
2. 線量からフラウンへの段階（$f_\theta$）： 予測された線量とビーム幾何学から、ビームレットのフラウンマップを回帰する。

本研究は、直接実現可能な変調を支配するフラウン段階（$f_\theta$）に焦点を当てるとともに、外部データセットにおける解剖学から線量への段階のストレステストも行っている。著者は、SwinUNETR（階層的ウィンドウ型アテンション）、UNETR（完全グローバルアテンション）、nnFormer、およびMedFormer（ハイブリッドアテンション）という複数のトランスフォーマーエンコーダバックボーンを比較した。これらはいずれも、ボクセルごとの MSE、勾配の一貫性、相関、および物理情報に基づくエネルギー項を組み合わせ、グローバルなエネルギーの一貫性を強制する**フラウン感知回帰（FAR）**損失を用いて訓練された。

ロバスト性は、単一機関の前立腺 IMRT データセット（99 例）と、クロスデータセットのストレステスト用の 2 つの公開データセット（OpenKBP 頭頸部および CORT 前立腺）を用いて、4 つの臨床的に動機付けられた摂動シナリオにわたって評価された。

• 幾何学的摂動： 並進シフト（3–5 mm）および面内回転（2°–5°）。
• 放射測度的摂動： 加法性ガウスノイズ（$\sigma = 0.05–0.20$）および滑らかな乗法的バイアスフィールド。
• データ不足： データセットの縮小された割合（25%、50%、75%）での訓練。
• ドメインシフト： スキャナーのばらつきを模倣する合成ドメインシフト。

性能は、構造的類似度指数（SSIM）および、尾部線量の安定性と物理的に意味のある失敗モードを捉えるために決定的な**エネルギー誤差の 75 パーセンタイル（$EQ^{75}_{err}$）**を用いて定量化された。

主要な結果

• 幾何学的ロバスト性： 回転誤差は並進シフトよりも破壊的であった。すべてのモデルが滑らかな性能低下を示したが、SwinUNETR（階層的アテンション）は、完全グローバル（UNETR）およびハイブリッドバリアントと比較して、上部四分位エネルギー誤差（$EQ^{75}_{err}$）の増加が最も緩やかであった。CNN ベースラインは同様の SSIM を示したが、尾部エネルギー誤差は有意に高かった。
• 放射測度的ロバスト性： すべてのバックボーンは、ノイズの増加に伴い単調な SSIM 低下を示した。nnFormerは最も感度が高く（20% 超の SSIM 低下）、SwinUNETR と MedFormer はより耐性があった。これは、マルチスケール表現が高周波ノイズを抑制するためと考えられる。
• データ効率： すべてのモデルはデータが増えるにつれて改善したが、スケーリング挙動は異なった。SwinUNETR は最もデータ効率が良く、訓練データの 25% しかなくても最高の SSIM と最低の$EQ^{75}_{err}$を達成した。一方、nnFormer はデータ依存性が非常に高かった。
• ドメインロバスト性： バイアスフィールド摂動下では、CNN や Swin-Direct などのモデルは高い SSIM を維持したが、大きな尾部エネルギー誤差を招き、視覚的には妥当だが線量学的に安全ではない予測を示した。物理情報に基づく損失で訓練された SwinUNETR を含む FluenceFormer 変種は、エネルギーのドリフトをよりよく制御した。
• クロスデータセット汎化： 解剖学から線量への段階は、微調整なしで OpenKBP および CORT データセットに合理的に汎化し、DVH 曲線は moderate な摂動下で滑らかに劣化した。

意義と主張
本論文は、フラウン予測におけるロバスト性は、単にアーキテクチャの新規性の関数ではなく、アーキテクチャ的帰納バイアス（特に階層的ウィンドウ型アテンション）と物理情報に基づく監督との相互作用から生じると主張している。

主な教訓は以下の通りである。

1. SSIM の限界： 構造的類似度指標のみでは臨床的な安全性評価に不十分であり、物理的に矛盾した予測（例：大きなエネルギー誤差を伴う高 SSIM）を隠蔽する可能性がある。
2. エネルギー指標の重要性： エネルギーベースの指標（$EQ^{75}_{err}$など）は、画像類似度指標には見えないが臨床的に関連する失敗モードを特定するために不可欠である。
3. アーキテクチャ的レジリエンス： 階層的アテンション機構（例：SwinUNETR）は、空間的誤差の伝播を制限することにより、完全グローバルアテンションと比較して、位置ずれやノイズに対する優れたレジリエンスを提供する。
4. 展開の安全性： 学習ベースのフラウン予測の責任ある臨床導入には、クリーンな条件での精度ではなく、現実的な不確実性下での体系的なストレステストが前提条件である。本研究は、直接フラウン予測が信頼できる運用範囲を明確にし、ロバスト性が崩壊する領域を特定している。