🤖 machine learning

TRACE: A Concept Bottleneck Model for Longitudinal 3D Glioblastoma Response Assessment

Het artikel introduceert TRACE, een interpreteerbaar concept bottleneck-model dat is afgestemd op de RANO 2.0-criteria en de longitudinale beoordeling van het glioblastoomrespons op 3D MRI verbetert door klinisch betekenisvolle tumormetingen te voorspellen als intermediaire concepten om transparante redenering en potentiële klinische correctie mogelijk te maken.

Oorspronkelijke auteurs: Alia Tarek, Hamsa Saberr, Hamza Elghonemy, Youssef Afify, Tamer Basha, Omair Shahzad Bhatti, Abdulrahman M. Selim, Hasan Md Tusfiqur Alam Daniel Sonntag

Gepubliceerd 2026-06-30

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Alia Tarek, Hamsa Saberr, Hamza Elghonemy, Youssef Afify, Tamer Basha, Omair Shahzad Bhatti, Abdulrahman M. Selim, Hasan Md Tusfiqur Alam Daniel Sonntag

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een arts bent die probeert te achterhalen of de hersentumor van een patiënt verbetert, gelijk blijft of verslechtert. Je hebt twee MRI-scans: één genomen aan het begin van de behandeling (de "baseline") en één genomen een paar maanden later (de "follow-up").

Normaal gesproken gebruiken artsen een strikt regelboek genaamd RANO om deze beslissing te nemen. Ze kijken niet zomaar naar de plaatjes en gokken; ze meten de tumor, berekenen hoeveel deze is gegroeid of gekrompen, controleren op nieuwe plekken, en passen vervolgens specifieke wiskunde toe om de uitkomst te bepalen.

Het probleem met de huidige AI

De meeste AI-modellen van nu zijn als black boxes (zwarte dozen). Je voert ze de MRI-scans en ze spugen een oordeel uit: "De tumor wordt erger." Maar ze laten niet zien waarom. Ze kijken misschien naar een vreemde schaduw of een foutje in de afbeelding in plaats van naar de werkelijke grootte van de tumor. Als de AI het fout heeft, kan een arts dit niet gemakkelijk corrigeren omdat hij de redenering van de AI niet kan zien.

De oplossing: TRACE

De auteurs van dit artikel hebben een nieuwe AI gebouwd genaamd TRACE. In plaats van een black box is TRACE als een transparante lopende band of een stap-voor-stap rekenmachine.

Zo werkt TRACE, gebruikmakend van een eenvoudige analogie:

1. De "Ogen" (De Encoder)

Eerst bekijkt TRACE de twee MRI-scans (baseline en follow-up) met behulp van een speciale 3D-camera (een neuraal netwerk). Het kijkt niet alleen naar het hele plaatje; het extraheert specifieke metingen, zoals het volume en de breedte van de tumor.

Analogie: Denk hierbij aan een robotassistent die de tumor meet met een liniaal en een weegschaal.

2. Het "Notitieblok" (De Concept Bottleneck)

Dit is het belangrijkste deel. In plaats van direct naar het eindantwoord te springen, schrijft TRACE de metingen op in een notitieblok dat een Concept Bottleneck wordt genoemd.

Root Concepts (Basisconcepten): Het schrijft de ruwe getallen op: "Tumorgrootte bij aanvang", "Tumorgrootte nu".
Derived Concepts (Afgeleide concepten): Vervolgens doet het zelf de berekeningen op basis van de regels. Het berekent: "Is het met meer dan 65% gekrompen?" of "Is het met meer dan 40% gegroeid?"
Passthrough Concepts (Doorgeefconcepten): Het voegt ook feiten toe die het niet zelf heeft gemeten, maar die wel belangrijk zijn, zoals: "Hoeveel weken zijn er verstreken tussen de scans?" of "Is er een nieuwe plek verschenen?"

Waarom is dit cool? Omdat elke stap zichtbaar is. Als de AI denkt dat de tumor met 70% is gekrompen, kan een arts in het "Notitieblok" kijken en zeggen: "Wacht, dat klopt niet. Het is slechts met 50% gekrompen."

3. De "Rechter" (De Finale Classifier)

Zodra het notitieblok gevuld is met deze duidelijke, berekende feiten, kijkt een laatste kleine AI (de Rechter) naar het notitieblok en neemt de uiteindelijke beslissing: Volledige Respons, Partiële Respons, Stabiele Ziekte of Progressieve Ziekte.

De Magie: Omdat de Rechter alleen naar het notitieblok kijkt en niet naar de ruwe MRI-beelden, verandert de beslissing van de AI onmiddellijk als een arts een getal in het notitieblok corrigeert. Er is geen hertraining nodig!

Hoe ze het hebben getest

Ze hebben TRACE getest op een dataset genaamd LUMIERE, die MRI-scans van 91 patiënten bevat.

Het resultaat: TRACE presteerde beter dan andere "uitlegbare" AI-modellen die hetzelfde probeerden te doen. Het was niet quite zo accuraat als de "black box"-modellen (die erg goed zijn in het raden, maar slecht in het uitleggen), maar het was accuraat genoeg om nuttig te zijn.
De "Interventie"-test: Ze simuleerden een arts die de metingen van de AI corrigeert. Wanneer ze de getallen in het "Notitieblok" aanpasten, werd de uiteindelijke gok van de AI aanzienlijk beter. Dit bewijst dat het systeem daadwerkelijk luistert naar de gegevens die het zou moeten meten, en niet alleen gokt op basis van verborgen patronen.

De Belangrijkste Conclusie

TRACE verandert het spel door een "gokspel" te veranderen in een gestructureerd redeneerproces.

De oude manier: AI kijkt naar beeld $\rightarrow$ AI raadt label. (Arts: "Ik vertrouw het niet.")
De TRACE-manier: AI meet beeld $\rightarrow$ AI berekent veranderingen $\rightarrow$ AI past regels toe $\rightarrow$ AI geeft label. (Arts: "Ik zie de berekening. Als ik dit ene getal aanpas, verandert het antwoord. Ik vertrouw dit.")

De auteurs concluderen dat hoewel TRACE nog meer testen nodig heeft op grotere groepen mensen, het een veelbelovende, transparante manier biedt om artsen te helpen bij het volgen van hersentumoren in de loop van de tijd, waarbij ze ervoor zorgt dat de logica van de AI dezelfde regels volgt die de artsen gebruiken.

Technische Samenvatting: TRACE – Een Concept Bottleneck Model voor Longitudinale 3D Glioblastoom Responsbeoordeling

1. Probleemstelling

Longitudinale beoordeling van de behandelingsrespons bij Glioblastoom (GBM) is cruciaal voor klinische besluitvorming, maar blijft uitdagend vanwege de subtiele veranderingen in de tumor over de tijd en de complexiteit van klinische criteria. Clinici vertrouwen op de Response Assessment in Neuro-Oncology (RANO) criteria (specifiek RANO 2.0), die het vergelijken van tumormetingen (volume en Sum of Products of Diameters, SPD) tussen baseline en follow-up MRI-scans vereisen om de respons te categoriseren in vier klassen: Complete Response (CR), Partial Response (PR), Stable Disease (SD) en Progressive Disease (PD).

Huidige deep learning-benaderingen voorspellen doorgaans deze responslabels direct vanuit beeldkenmerken. Hoewel effectief in bepaalde metrieken, missen deze "black-box"-modellen interpreteerbaarheid, waardoor het voor clinici moeilijk is om de redenering te inspecteren of fouten te corrigeren. Bovendien falen standaardmodellen vaak in het expliciet coderen van de gestructureerde, causale afhankelijkheden die inherent zijn aan het RANO-protocol (bijv. procentuele veranderingen zijn deterministische functies van baseline en follow-up metingen). Er is behoefte aan een aanpak die aansluit bij klinische redenering, transparantie biedt en menselijke interventie op conceptniveau mogelijk maakt.

2. Methodologie: De TRACE-architectuur

De auteurs stellen TRACE voor (Temporal Causal Reasoning with Acyclic Concept Explanation), een Concept Bottleneck Model (CBM) dat specifiek is ontworpen voor longitudinale GBM-beoordeling. In tegenstelling tot standaard CBM's die concepten behandelen als een platte set onafhankelijke voorspellers, structureert TRACE de bottleneck als een Directed Acyclic Graph (DAG) die het RANO-beslissingsproces weerspiegelt.

2.1. Input en Encoder

Het model verwerkt gekoppelde baseline ( $t_0$ ) en follow-up ( $t_1$ ) multimodale MRI-scans (T1, T1ce, T2, FLAIR) samen met hun bijbehorende tumorsegmentatiemaskers.

Siamese 3D Encoder: Een gedeelde-gewicht 3D ResNet-18 (MedicalNet backbone) codeert beide tijdstippen afzonderlijk voor de MRI- en segmentatiestromen.
Temporele Representatie: De encoder-outputs worden geconcateneerd met hun expliciete verschil ( $h_{t1} - h_{t0}$ ) om een longitudinale feature-triplet te vormen. Deze worden gefuseerd tot een gezamenlijke representatie ( $X_{enc}$ ).

2.2. Gestructureerde Concept Bottleneck

De kerninnovatie is de scheiding van concepten in drie typen binnen de DAG:

Root Concepts ( $C_r$ ): Beeld-afgeleide tumormetingen voorspeld door leerbare "ConceptBlocks" (MLP's) vanuit $X_{enc}$ . Deze omvatten baseline/follow-up volumes ( $V_{t0}, V_{t1}$ ) en SPDs ( $SPD_{t0}, SPD_{t1}$ ).
Derived Concepts ( $C_d$ ): Dit zijn deterministische nodes die berekend worden via vaste wiskundige regels van ouder-concepten, niet geleerd. Deze omvatten procentuele veranderingen ( $\Delta V\%, \Delta SPD\%$ ) en binaire drempelvlaggen (bijv. $b_{PD}^{vol}$ als $\Delta V\% \ge 40\%$ ). Dit waarborgt wederzijdse consistentie en voorkomt dat het model spookcorrelaties leert voor deze afgeleide waarden.
Passthrough Concepts ( $M$ ): Klinische metadata die direct wordt geïnjecteerd zonder beeldcodering, zoals het scaninterval ( $\Delta t$ ) en een nieuwe-laesie-vlag ( $b_{NL}$ ).

De uiteindelijke taakkop (een MLP) voorspelt de 4-klasse RANO-respons ( $Y$ ) uitsluitend op basis van de gestructureerde bottleneck-vector $(C_r, C_d, M)$ , wat ervoor zorgt dat er geen "verborgen" beeldkenmerken direct in de uiteindelijke classificatie lekken.

2.3. Interventie-Consistentie Training

Om de "train-test mismatch" aan te pakken waarbij het corrigeren van een concept tijdens de testfase de distributie voor de taakkop kan verschuiven, gebruikt TRACE Intervention-Consistency Training:

Tijdens de training worden root-concepten willekeurig vervangen door grondwaarheidswaarden (interventie) met een waarschijnlijkheid $p_{int}$ .
Het model wordt bestraft via een Kullback–Leibler divergentie-loss ( $\mathcal{L}_{IC}$ ) om te garanderen dat de voorspelling consistent blijft, of de input-concepten nu voorspeld of gecorrigeerd zijn.
De loss-functie combineert een soft macro F1-doelstelling (met focal weighting voor klasse-imbalans), een extra binaire PD-versus-rest kop, en concept-supervisie voor root-nodes.

3. Belangrijkste Bijdragen

Eerste RANO-gealigneerde CBM: TRACE is het eerste Concept Bottleneck Model dat specifiek is ontworpen voor longitudinale GBM-responsclassificatie, waarbij klinische afhankelijkheden als een DAG in plaats van een platte set voorspellers worden gerepresenteerd.
Deterministische Redenering in de Bottleneck: Het model codeert RANO-redeneerregels (procentuele veranderingen en drempelwaarden) als deterministische nodes. Dit beperkt de taakkop tot menselijk interpreteerbare variabelen en zorgt ervoor dat correcties op conceptniveau logisch door de redeneerketen worden gepropageerd.
Intervention-Consistency Training: De auteurs introduceren een trainingsstrategie die expliciet de onenigheid bestraft tussen voorspellingen gemaakt op voorspelde concepten versus gecorrigeerde concepten, wat betrouwbare interventie tijdens de testfase mogelijk maakt.
Evaluatie op LUMIERE: Het model wordt geëvalueerd op de LUMIERE-dataset met behulp van 5-voudige patiënt-gewijze cross-validatie, waarbij het prestaties levert die vergelijkbaar zijn met niet-interpreteerbare baselines (bijv. DenseNet-gebaseerde modellen) terwijl het interpreteerbaarheid biedt.

4. Resultaten

Geëvalueerd op de LUMIERE-dataset (361 longitudinale paren van 91 patiënten), behaalde TRACE het volgende:

4-Klasse Prestaties: Een macro F1-score van 0.4769 ± 0.1229.
Binaire Prestaties (PD versus Non-PD): Een macro F1-score van 0.7085 ± 0.0935.
Vergelijking: TRACE presteerde beter dan een Data-Efficient CBM (DCBM) baseline (0.254 macro F1) en bleef binnen het prestatiebereik van gepubliceerde niet-interpreteerbare deep learning-baselines (bijv. DenseNet-gebaseerde modellen).
Ablatie-studies:
- Het verwijderen van de intervention-consistency training veroorzaakte een enorme daling in prestaties (4-klasse F1 daalde van 0.696 naar 0.354 in een specifieke fold), wat de cruciale rol ervan benadrukt.
- Het vervangen van de expert-DAG door een platte bipartiete graaf of het verwijderen van de deterministische afleidingsketen resulteerde eveneens in een significante prestatievermindering, wat de noodzaak van de gestructureerde, causale graaf bevestigt.
Interventie-experimenten: Het corrigeren van root-concepten (bijv. tumorvolume) tijdens de testfase slaagde erin om via de deterministische nodes de uiteindelijke voorspelling te veranderen (bijv. van CR naar PD), wat de auditeerbaarheid van het model valideert.

5. Betekenis en Claims

Het artikel positioneert TRACE als een exploratieve stap naar transparante, gestructureerde conceptuele redenering in medische beeldvorming. De betekenis ligt in:

Auditeerbaarheid: Het frameert responsbeoordeling als een gestructureerd redeneerprobleem waarbij clinici tussenliggende metingen (volumes, SPDs) kunnen inspecteren en kunnen interveniëren om fouten te corrigeren, waarbij de correctie automatisch de uiteindelijke diagnose bijwerkt.
Klinische Afstemming: Door de RANO 2.0-logica hard te coderen in de bottleneck, respecteert het model de expliciete klinische criteria die in de praktijk worden gebruikt, in tegenstelling tot black-box modellen die impliciete correlaties leren.
Designpatroon: De auteurs suggereren dat deze architectuur dient als een designpatroon voor andere longitudinale medische beeldvormingstaken waarbij beslissingen afhangen van expliciete klinische criteria, temporele veranderingen en menselijk verifieerbare tussenliggende metingen.

De auteurs blijven bescheiden over de resultaten en merken op dat de prestaties op zeldzame klassen (CR en PR) beperkt worden door de kleine datasetgrootte en dat het model externe validatie op grotere, protocol-gealigneerde datasets vereist voordat bredere klinische adoptie mogelijk is. Ze erkennen dat hoewel hun model de interpreteerbaarheid verbetert, de schatting van root-concepten (met name baseline-metingen) een uitdaging blijft voor toekomstig werk.