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

Technische Samenvatting: Robuustheid van op Transformatoren Gebaseerde Fluentiekaartvoorspelling onder Klinisch Realistische Verstoringen

Probleemstelling
Lerende fluentiekaartvoorspelling biedt een veelbelovend alternatief voor iteratieve inverse planning bij Intensiteit-gemoduleerde Stralingstherapie (IMRT), met als potentieel het verkorten van de planningsduur en het verminderen van variabiliteit tussen operators. De robuustheid van deze modellen onder realistische distributieveranderingen die tijdens klinische implementatie worden aangetroffen, blijft echter onduidelijk. Waar conventionele planning onzekerheden (beeldruis, patiëntopstelfouten, variabiliteit van de scanner) beheert via geometrische marges en robuustheidsbeperkingen, is de interactie tussen deze onzekerheden en geleerde representaties in deep learning-modellen minder transparant. Bestaande evaluaties prioriteren vaak nauwkeurigheid op stabiele testsets, impliciet uitgaande van datadistributies die in de praktijk zelden gelden. Bovendien vertonen fluentiekaarten een specifiek risicoprofiel: als dichte regressiedoelen die worden beperkt door straalgeometrie en energiebehoud, kunnen kleine verstoringen niet-lineaire modulatieveranderingen veroorzaken die niet worden gevangen door standaard beeldgelijkheidsmetrieken, maar wel leiden tot klinisch significante dosimetrische afwijkingen.

Methodologie
De auteurs evalueren de robuustheid van een tweestapsvoorspellingspipeline voor fluentie op basis van transformatoren, consistent met het FluenceFormer-raamwerk:

1. Anatomie-naar-Dosis-stap ($g_\phi$): Koppelt patiëntanatomie (CT en contouren) aan een voorspelde dosisverdeling.
2. Dosis-naar-Fluentiestap ($f_\theta$): Regresseert straalbundelfluentiekaarten vanuit de voorspelde dosis en straalgeometrie.

De studie richt zich op de fluentiestap ($f_\theta$) aangezien deze direct de leverbare modulatie beheerst, terwijl de anatomie-naar-dosisstap ook wordt getest op externe datasets. De auteurs vergelijken verschillende transformer-encoder-ruggengraten—SwinUNETR (hiërarchische vensterattentie), UNETR (volledig globale attentie), nnFormer, en MedFormer (hybride attentie)—die allemaal zijn getraind met een Fluence-Aware Regression (FAR)-verliesfunctie. Deze verliesfunctie combineert voxel-voor-voxel MSE, gradiëntconsistentie, correlatie en een op fysica gebaseerde energiterm om globale energieconsistentie af te dwingen.

Robuustheid wordt geëvalueerd over vier klinisch gemotiveerde verstoringsscenario's met behulp van een single-institution prostaat-IMRT-dataset (99 patiënten) en twee publieke datasets (OpenKBP hoofd-hals en CORT prostaat) voor cross-dataset stress-testen:

• Geometrische Verstoringen: Translatieve verschuivingen (3–5 mm) en in-vlakke rotaties (2°–5°).
• Radiometrische Verstoringen: Additief Gaussisch ruis ($\sigma = 0.05–0.20$) en gladde multiplicatieve biasvelden.
• Data-Schaarste: Training op verminderde fracties van de dataset (25%, 50%, 75%).
• Domeinverschuivingen: Synthetische domeinverschuivingen die scanner-variabiliteit nabootsen.

Prestaties worden gekwantificeerd met de Structural Similarity Index Measure (SSIM) en, cruciaal, de 75e percentiel van de energiefout ($EQ^{75}_{err}$) om stabiliteit van de staartdosis en fysiek betekenisvolle faalmodi te vangen.

Belangrijkste Resultaten

• Geometrische Robuustheid: Rotatiefouten bleken verstorender dan translatieve verschuivingen. Hoewel alle modellen een gladde prestatiedaling vertoonden, vertoonde SwinUNETR (hiërarchische attentie) de langzaamste groei in energiefout van het bovenste kwartiel ($EQ^{75}_{err}$) in vergelijking met volledig globale (UNETR) en hybride varianten. CNN-baselines toonden vergelijkbare SSIM-waarden maar aanzienlijk hogere staart-energiefouten.
• Radiometrische Robuustheid: Alle ruggengraten vertoonden een monotoon afnemende SSIM bij toenemende ruis. nnFormer was het meest gevoelig (daling >20% SSIM), terwijl SwinUNETR en MedFormer toleranter waren, waarschijnlijk vanwege multi-schaal representaties die hoogfrequente ruis onderdrukken.
• Data-efficiëntie: Alle modellen verbeterden met meer data, maar schaalgedrag verschilde. SwinUNETR bleef het meest data-efficiënt, met de hoogste SSIM en laagste $EQ^{75}_{err}$ zelfs met slechts 25% van de trainingsdata. Daarentegen was nnFormer sterk data-afhankelijk.
• Domeinrobuustheid: Onder biasveld-verstoringen behielden modellen zoals CNN en Swin-Direct een hoge SSIM, maar leden onder grote staart-energiefouten, wat wijst op visueel plausibele maar dosimetrisch onveilige voorspellingen. FluenceFormer-varianten, met name SwinUNETR getraind met een op fysica gebaseerde verliesfunctie, beheersten energiedrift beter.
• Cross-dataset Generalisatie: De anatomie-naar-dosisstap generaliseerde redelijk goed naar de OpenKBP- en CORT-datasets zonder fine-tuning, waarbij DVH-curves onder matige verstoringen glad degradeerden.

Betekenis en Beweringen
Het artikel beweert dat robuustheid in fluentievoorspelling niet uitsluitend een functie is van architectonische innovatie, maar voortkomt uit de wisselwerking tussen architectonische inductieve bias (specifiek hiërarchische vensterattentie) en op fysica gebaseerde supervisie.

Belangrijkste conclusies zijn:

1. Beperkingen van SSIM: Structuurgelijkheidsmetrieken alleen zijn onvoldoende voor klinische veiligheidsbeoordeling, aangezien ze fysiek inconsistente voorspellingen kunnen maskeren (bijvoorbeeld hoge SSIM met grote energiefouten).
2. Belang van Energiemetrieken: Energie-gebaseerde metrieken (zoals $EQ^{75}_{err}$) zijn cruciaal voor het identificeren van faalmodi die klinisch relevant zijn maar onzichtbaar voor beeldgelijkheidsmaten.
3. Architectonische Weerbaarheid: Hiërarchische attentiemechanismen (bijvoorbeeld SwinUNETR) bieden superieure weerbaarheid tegen misalignering en ruis in vergelijking met volledig globale attentie, waarschijnlijk door de propagatie van ruimtelijke fouten te beperken.
4. Veiligheid bij Implementatie: Systematisch stress-testen onder realistische onzekerheid, in plaats van nauwkeurigheid onder schone omstandigheden, is een vereiste voor de verantwoorde klinische adoptie van lerende fluentievoorspelling. De studie schetst operationele bereiken waar directe fluentievoorspelling betrouwbaar blijft en identificeert regimes waar robuustheid bezwijkt.