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

技術概要：多損失深層学習を用いた CT ベースラインからの卵巣がんに対する術前化学療法反応性の予測

問題定義
卵巣がんは依然として最も致死率の高い婦人科悪性腫瘍であり、患者の約 60% が進行期に診断される。標準的な管理は、間隔を置いた減量手術に先立つ術前化学療法（NACT）を含むことが多い。しかし、重要な未解決の臨床的ニーズが存在する。すなわち、NACT に割り当てられた患者の約 40% が治療から客観的な利益を得られないという点である。治療開始前にこれらの非反応者を特定することは、無効な治療を防止し、最適な外科的管理の遅延を回避するために不可欠である。現在の予測ツールは、多くの場合、臨床的ベースラインまたはロジスティック特徴量に依存しており、これらは頑健性に欠けるか、手動のセグメンテーションを必要とするため、患者を効果的に層別化するために前治療画像を分析できる非侵襲的かつ自動化されたソリューションが必要とされている。

方法論
著者らは、治療前の造影 3D CT スキャンを用いて NACT 反応性を予測する非侵襲的深層学習フレームワークを提案する。本パイプラインは、以下の段階を経て体積データ（$V_{CT}$）を処理する。

1. 病変セグメンテーション: オープンソースの深層学習セグメンテーションモデル（$M_S$）が、生 CT ボリュームから 3D 病変マスクを自動的に生成し、腫瘍領域を分離する。
2. スライス符号化: 3D マスクボリュームは、軸方向スライスのシーケンスに再整形される。各スライスは 3 チャンネル表現に変換され、事前学習済み Vision Transformer（ViT）エンコーダ（$E_{ViT}$）、具体的には DINOv3 Base Patch16 によって独立して処理される。エンコーダはトークン埋め込みを抽出し、その中から分類トークン（$t_{cls}$）が各スライスのグローバル記述子として機能する。
3. 体積集約: 全スライスからの分類トークンは連結され、スライスの順序を保持するために学習可能な位置埋め込みで拡張される。アテンションベースのプーリングモジュールがこれらのスライスレベル表現を集約し、スライス間関係をモデル化した後、平均プーリングによって単一の体積埋め込み（$z_V$）を生成する。
4. マルチヘッド予測: 共有埋め込み $z_V$ は 2 つのヘッドに分岐する。
   • 分類ヘッド: 二値ロジット（反応者対非反応者）を出力する多層パーセプトロン（MLP）。
   • 投影ヘッド: 対照学習のために埋め込みを低次元空間（$z_p$）にマッピングする MLP。
5. トレーニング戦略: 本モデルは転移学習アプローチを採用しており、ViT エンコーダは過学習を防止するために最後のトランスフォーマーブロックに制限された LoRA（Low-Rank Adaptation）アダプターを用いて微調整される。トレーニング目的関数は 2 つの損失を組み合わせる。
   • 交差エントロピー損失（$L_{CE}$）: 標準的な分類損失。
   • 教師あり対照損失（$L_{SupCon}$）: 同一クラスの埋め込みを近づけ、異なるクラスをマージン $m$ だけ引き離すマージン感知損失。
   • ハードネガティブマイニング: トレーニング中、ネガティブペアは埋め込み空間内での近接性に基づいて動的に選択され、曖昧なケースに最適化を集中させる。対照損失の重み（$\alpha$）は、幾何学的制約を課す前に初期表現学習を安定させるため、トレーニング中に 0 から 0.3 まで線形に増加する。

主要な貢献

• アーキテクチャ: 手動の特徴量エンジニアリングを必要とせずに 3D 病変マスクを処理するための、事前学習済み ViT とアテンションベースの体積集約モジュールの統合。
• トレーニング目的: 曖昧な反応者と非反応者の分離を改善するための、交差エントロピーと教師あり対照学習およびハードネガティブマイニングを組み合わせた多損失フレームワーク。
• 効率性: 限られたデータ（280 名の患者）で特定の医療ドメインに適応できるよう、パラメータ効率の高い微調整を可能にする LoRA の活用。
• アブレーション分析: 対照損失と微調整戦略の両方が性能に不可欠であることを示す体系的な比較。交差エントロピーのみまたは凍結されたバックボーンを使用するモデルを上回る性能を示した。

結果
本モデルは、ヨーロッパ腫瘍研究所からの後方視的単一施設コホート（280 名の適合患者：反応者 147 名、非反応者 133 名）で評価され、開発セット（226 名）と独立したテストセット（54 名）に分割された。

• 性能: テストセットにおいて、提案された多損失微調整（ML-FT）モデルは、ROC-AUC 0.73（95% 信頼区間：0.58–0.86）およびF1 スコア 0.70（95% 信頼区間：0.56–0.82）を達成した。
• 比較分析: ML-FT モデルは以下のモデルを有意に上回った。
  • Yin らのベースライン再実装（AUC 0.47）。
  • 対照損失なしのバリアント（CE-FT、AUC 0.66）。
  • 凍結されたバックボーンを有するバリアント（ML-FR、AUC 0.59）。
• 解釈可能性: アテンション重みの分析により、モデルは病変コアを含む中央スライスを優先することが明らかとなり、これは中心部の腫瘍断面が最も識別性の高い形態学的情報を提供するという臨床的直感と一致する。
• 較正: モデルは陽性クラスに対して体系的に自信が不足しており、保守的な確率推定を示唆した。
• 誤差分析: 不確実だが正しい予測は、しばしば本質的な RECIST 1.1 閾値の近くで見られ、一部の曖昧さはモデルの失敗ではなく、参照基準そのものに由来することを示している。

意義と主張
本論文は、提案されたアーキテクチャが治療前病変形態のみから臨床的に関連する予測パターンを学習することに成功したと主張する。結果は、体積 ViT 符号化と教師あり対照学習の組み合わせが、画像ベースの層別化ツールのための堅牢な基盤を提供することを示唆している。反応者と非反応者を効果的に区別することで、このツールは個別化された治療計画の支援、無効な化学療法への曝露の削減、およびタイムリーな外科的管理の促進に寄与する可能性がある。著者は、対照正則化を通じて曖昧なケースを処理するモデルの能力が、この分野における標準的な分類アプローチの主要な限界に対処していると強調している。