技術要約：TRACE – 膠芽腫の縦断的3D治療反応評価のための概念ボトルネックモデル

1. 問題提起

膠芽腫（GBM）の治療反応に関する縦断的な評価は、臨床的な意思決定において極めて重要であるが、時間の経過に伴う腫瘍の変化の微妙さや、臨床基準の複雑さゆえに依然として困難な課題である。臨床医は、ベースラインとフォローアップのMRIスキャン間の腫瘍の測定値（容積および直径の積の和：SPD）を比較し、反応を4つのクラス（完全奏効：CR、部分奏型：PR、安定：SD、進行：PD）に分類する、RANO（Response Assessment in Neuro-Oncology）基準（特にRANO 2.0）に依拠している。

現在のディープラーニング・アプローチは、通常、画像特徴量から直接的な反応ラベルを予測する。これらの「ブラックボックス」モデルは、指標としては効果的である一方、解釈性に欠け、臨床医がその推論過程を検証したりエラーを修正したりすることを困難にしている。さらに、標準的なモデルは、RANOプロトコルに内在する構造化された因果関係（例：パーセンテージの変化はベースラインとフォローアップの測定値の決定論的な関数であること）を明示的にエンコードできないことが多い。したがって、臨床的な推論と一致し、透明性を提供し、概念レベルでの人間による介入を可能にするアプローチが必要とされている。

2. 手法：TRACE アーキテクチャ

著者らは、縦断的なGBM評価のために特別に設計された概念ボトルネックモデル（CBM）であるTRACE（Temporal Causal Reasoning with Acyclic Concept Explanation：非巡回的な概念説明を用いた時間的因果推論）を提案している。概念を独立した予測子のフラットな集合として扱う標準的なCBMとは異数の、TRACEは、RANOの意思決定プロセスを反映した有向非巡回グラフ（DAG）としてボトルネックを構造化している。

2.1 入力とエンコーダ

本モデルは、ペアとなったベースライン（$t_0$）およびフォローアップ（$t_1$）のマルチモーダルMRIスキャン（T1, T1ce, T2, FLAIR）と、それらに対応する腫瘍セグメンテーションマスクを処理する。

• Siamese 3D Encoder: 共有重みを持つ3D ResNet-18（MedicalNetバックボーン）が、MRIストリームとセグメンテーションストリームの両方について、各時点のデータを個別にエンコードする。
• 時間的表現: エンコーダの出力は、明示的な差分（$h_{t1} - h_{t0}$）と共に結合され、縦断的な特徴量トリプレットを形成する。これらは統合されて、結合表現（$X_{enc}$）となる。

2.2 構造化された概念ボトルネック

核心となる革新は、DAG内における概念を以下の3つのタイプに分離している点である：

1. ルート概念 ($C_r$): $X_{enc}$ から学習可能な「ConceptBlock」（MLP）によって予測される、画像由来の腫瘍測定値。これには、ベースライン/フォローアップの容積（$V_{t0}, V_{t1}$）およびSPD（$SPD_{t0}, SPD_{t1}$）が含まれる。
2. 派生概念 ($C_d$): これらは、学習されるのではなく、親概念から固定された数学的規則を用いて計算される決定論的なノードである。これには、パーセンテージ変化（$\Delta V\%, \Delta SPD\%$）やバイナリ閾値フラグ（例：$\Delta V\% \ge 40\%$ の場合の $b_{PD}^{vol}$）が含まれる。これにより、相互の整合性が確保され、派生値に対するモデルの偽相関の学習が防止される。
3. パススルー概念 ($M$): 画像エンコーディングなしで直接注入される臨床メタデータ。例えば、スキャン間隔（$\Delta t$）や新病変フラグ（$b_{NL}$）などである。

最終的なタスクヘッド（MLP）は、構造化されたボトルネックベクトル $(C_r, C_d, M)$ のみに基づいて4クラスのRANO反応（$Y$）を予測する。これにより、画像からの「隠れた」特徴が最終的な分類に直接リークすることを防いでいる。

2.3 介入の一貫性（Intervention Consistency）

テスト時に概念を修正した際に、タスクヘッドの分布がシフトしてしまうという「訓練とテストのミスマッチ」に対処するため、TRACEは**介入一貫性トレーニング（Intervention-Consistency Training）**を採用している。

• 訓練中、ルート概念は確率 $p_{int}$ で、グラウンドトゥルースの値（介入）によってランダムに置き換えられる。
• モデルは、入力された概念が予測されたものであるか修正されたものであるかにかかわらず、予測が一致するように、カルバック・ライブラー（KL）ダイバージェンス損失（$\mathcal{L}_{IC}$）を介してペナルティを受ける。
• 損失関数は、ソフト・マクロF1目的関数（クラス不均衡に対するフォーカル・ウェイトを含む）、補助的なPD対その他（PD-vs-rest）のヘッド、およびルートノードに対する概念監督を組み合わせたものである。

3. 主な貢献

1. 初のRANO適合型CBM: TRACEは、RANOに基づいた縦断的GBM反応分類のために特別に設計された初の概念ボトルネックモデルであり、概念をフラットな予測子の集合ではなく、構造化されたDAGとして表現している。
2. ボトルネックにおける決定論的推論: モデルは、RANOの推論ルール（パーセンテージ変化および閾値）を決定論的なノードとしてエンコードしている。これにより、タスクヘッドを解釈可能な変数に制約し、派生された概念を通じて論理的な情報の伝播を保証している。
3. 介入一貫性トレーニング: 予測された概念を用いた予測と、修正された概念を用いた予測との間の不一致を明示的に罰するトレーニング戦略を導入しており、信頼性の高いテスト時の介入を可能にしている。
4. LUMIEREによる評価: モデルはLUMIEREデータセットを用いて、5分割患者単位クロスバリデーションにより評価されており、非解釈的なベースラインと同等の性能を示しつつ、解釈性を提供している。

4. 結果

LUMIEREデータセット（91人の患者から得られた361組の縦断的ペア）を用いて評価された結果、TRACEは以下を達成した：

• 4クラス性能: マクロF1スコア 0.4769 ± 0.1229。
• バイナリ性能 (PD vs. Non-PD): マクロF1スコア 0.7085 ± 0.0935。
• 比較: TRACEは、データ効率的なCBM（DCBM）ベースライン（マクロF1 0.254）を上回り、公開されている非解釈的なディープラーニング・ベースライン（例：DenseNetベースのモデル）の性能範囲内に留まった。
• アブレーション研究:
  • 介入一貫性トレーニングを除去すると、性能が大幅に低下した（特定のフォールドにおいて、4クラスF1が0.696から0.354へ低下）。これは、その決定的な役割を強調している。
  • エキスパートによるDAGをフラットな二部グラフに置き換える、あるいは決定論的な派生チェーンを除去した場合も、大幅な性能低下を招いた。これは、構造化された因果グラフの必要性を裏付けている。
• 介入実験: テスト時にルート概念（例：腫瘍容積）を修正すると、決定論的ノードを通じて適切に伝播し、最終的な予測（例：CRからPDへ）を反転させることに成功した。これにより、モデルの監査可能性が検証された。

5. 意義と主張

本論文は、TRACEを、透明で構造化された概念推論への探索的なステップとして位置づけている。その意義は以下の点にある：

• 監査可能性: 反応評価を、中間的な測定値（容積、SPD）を検査し、エラーを修正するために介入できる、構造化された推論問題としてフレームワーク化している。修正は自動的に最終診断に反映される。
• 臨床的整合性: ボトルネックにRANO 2.0のロジックをハードコードすることで、ブラックボックスモデルが暗黙的な相関を学習するのに対し、実務で使用される明示的な臨床基準を尊重している。
• デザインパターン: 著者らは、このアーキテクチャが、決定が明示的な臨床基準、時間的変化、および人間が検証可能な中間測定値に依存する、他の縦断的な医療画像タスクにおけるデザインパターンとして機能することを提案している。

著者らは、結果に対して謙虚な姿勢を保っており、希少なクラス（CRおよびPR）の性能はデータセットの小ささに制限されていること、また、より広範な臨床採用の前には、プロトコルに沿ったより大きなデータセットでの外部検証が必要であることを述べている。また、モデルは解釈性を向上させるものの、ルート概念（特にベースラインの測定値）の推定は、今後の課題であることも認めている。