Structural Findings Transfer, Texture Findings Do Not: An Adaptation Ladder for Cross-Center Dental Diagnosis

Technische Samenvatting: Overdracht van Structurele Bevindingen, Textuurbevindingen Niet: Een Adaptatie-ladder voor Cross-Center Tandheelkundige Diagnose

Probleemstelling
Deep learning-modellen voor de diagnose van dentale radiografie bereiken een prestatieniveau dat gelijkwaardig is aan dat van experts op hun trainingsdatasets, maar lijden onder "stille fouten" wanneer ze worden ingezet bij nieuwe klinische centra. Verschillen in scanners, acquisitieprotocollen en patiëntenpopulaties creëren distributieverschuivingen die ervoor zorgen dat modellen metingen doen die weliswaar zelfverzekerd lijken, maar incorrect zijn, zonder daarbij onzekerheid te signaleren. Hoewel een "veiligheidsenvelop" (bestaande uit kalibratie, gebonden afwijkingsgaranties en een Out-of-Distribution (OOD) poort) weigeringen kan genereren voor inputs van onbekende centra om fouten te voorkomen, maakt deze weigering het model in die omgevingen praktisch onbruikbaar. De centrale vraag is: hoeveel adaptatie is vereist om deze veilige weigering om te zetten in "eerlijke acceptatie" bij een nieuw centrum, en kan dit goedkoop worden bereikt zonder de veiligheidsgaranties te schenden of de prestaties op het oorspronkelijke broncentrum te verslechteren?

Methodologie
De auteurs stellen een systematisch evaluatiekader voor, gecentreerd rond een "kosten/baten-adaptatieladder" en een vaste veiligheidsenvelop.

• De Veiligheidsenvelop: De studie omhult een bevroren dentale foundation-encoder met drie componenten:
  1. Gekalibreerde Baseline: Een logistische probe met temperatuurscaling om miskalibratie te corr corrected.
  2. Bounded-Deviation Head: Een residuele head die correcties toevoegt die zijn afgekapt binnen een specifiek interval $[-\delta, \delta]$ in de logit-ruimte. Dit zorgt ervoor dat het ingezette model niet willekeurig kan afwijken van de vertrouwde baseline, wat een formele garantie biedt tegen catastrofale drift.
  3. Mahalanobis OOD Gate: Een poort die inputs weigert die de 95e percentiel van de Mahalanobis-afstand van de bronverdeling overschrijden.
• De Adaptatieladder: Tien technieken worden geëvalueerd over vier "treden" van toenemende computationele en parametrische kosten, waarbij een broncentrum (DENTEX) wordt aangepast aan een doelcentrum (ADCD):
  • Trede 0 (Label-vrij): Drempelwaarde-recalibratie (het opnieuw schatten van de OOD-drempelwaarde op ongelabelde doelgegevens).
  • Trede 1 (Head re-fit): Het opnieuw fitten van kalibratieprobes en de residuele head op een kleine gelabelde doel-slice (16 tanden).
  • Trede 2 (Parameter-Efficient Fine-Tuning - PEFT): Vijf methoden die de representatie aanpassen terwijl de backbone-gewichten bevroren blijven: LoRA (Low-Rank Adaptation), Visual Prompt Tuning (VPT), BitFit (alleen bias-termen) en LayerNorm-affine tuning.
  • Trede 3 (Grote Capaciteit met Anti-Vergeten): Volledige fine-tuning in de embedding-ruimte met behulp van Elastic Weight Consolidation (EWC), Rehearsal (mengen van brongegevens), of een Dual-Encoder benadering om catastrofale vergetelheid te voorkomen.
• Experimentele Opzet: De studie maakt gebruik van drie backbones (een domeinspecifieke Dental ViT-L, BiomedCLIP en DINOv3) en evalueert 126 configuraties. De gebruikte metrieken zijn macro-AUC voor geaccepteerde gevallen, Expected Calibration Error (ECE), behoud van bronprestaties en de bounded-deviation garantie.

Belangrijkste Resultaten

• Veiligheidsgaranties Standhouden: In alle 126 configuraties werd de bounded-deviation garantie nooit geschonden, en de prestaties van het broncentrum werden grotendeels behouden (gemiddelde daling van ~1 AUC-punt), zonder dat er sprake was van catastrofale vergetelheid.
• Structurele versus Textuurpathologie: Er werd een cruciaal verschil gevonden op basis van het type pathologie:
  • Structurele Bevindingen (Geïmpacteerde Tanden): Adaptatie herstelde de cross-center betrouwbaarheid sterk, waarbij de AUC verbeterde van 0.71 (threshold recalibration) naar 0.92 (rehearsal-regularized full fine-tuning).
  • Textuurbevindingen (Caries/Cariës): Adaptatie slaagde er niet in om de cross-center betrouwbaarheid voor cariës te herstellen, waarbij de AUC rond het niveau van toeval bleef (AUC ~0.48–0.57), ongeacht de techniek, het parameterbudget of de backbone die werd gebruikt.
  • Intermediaire Bevindingen (Periapicale Laesies): Toonden een gedeeltelijk herstel, liggend tussen de twee uitersten in.
• Afnemende Meeropbrengst: Goedkope adaptatie (bijv. LoRA met 16k parameters of BitFit met ~1k parameters) legde het grootste deel van de haalbare winst vast. Het vergroten van het parameterbudget met drie ordes van grootte (naar ~1M parameters) leverde slechts een marginale winst op van ~4 AUC-punten.
• Backbone en Fusie: Een sterkere foundation backbone (DINOv3) adapteerde marginaal beter dan de domeinspecifieke backbone, maar de domeinspecifieke backbone produceerde minder fout-positieven op zijn eigen thuiscentrum. Het fuseren van domeinspecifieke en foundation encoders bood geen voordeel ten opzichte van de sterkere enkele backbone.
• Niet-overdraagbaarheid van Textuur: Gezamenlijke training op twee centra bevestigde dat cariës leerbaar is binnen het doelcentrum (AUC 0.79), maar niet overdraagbaar is van de bron (AUC 0.60). De oorzaak van dit falen wordt toegeschreven aan de textuur-domeingap (verschillen in acquisitie) in plaats van aan de capaciteit van de encoder of onleerbaarheid.
• Weigeringsgedrag: De OOD-poort fungeert als een directionele detector van distributieverschuivingen. Wanneer deze opnieuw wordt gefit op de doelgegevens, stabiliseert de weigeringsgraad op ~5%, ongeacht de kosten van de adaptatie. De perceptie dat adaptatie de weigering verhoogt, is een artefact van het feit dat de poort verankerd blijft aan de bron terwijl de representatie verschuift.

Betekenis en Claims
Het artikel claimt dat de primaire flessenhals voor de cross-center implementatie van dentale AI niet de capaciteit van de encoder is, maar de domeingap die specifiek is voor textuurgebaseerde bevindingen. Daarom pleiten de auteurs tegen het streven naar één universeel model. In plaats daarvan stellen zij een implementatiestrategie voor waarbij systemen:

1. Goedkoop adapteren (met behulp van enkele duizenden parameters en ~16 gelabelde afbeeldingen) voor structurele bevindingen die goed overdraagbaar zijn.
2. Weigeren bij textuurgebaseerde bevindingen (zoals vroege cariës) die niet overdraagbaar zijn over de acquisitie-gap heen.

Deze aanpak sluit aan bij de regelgevende verwachtingen voor medische AI door prioriteit te geven aan "eerlijke weigering" boven zelfverzekerde fouten. De veiligheidsenvelop wordt geïdentificeerd als het cruciale onderdeel dat deze strategie mogelijk maakt, door te garanderen dat modellen, zelfs wanneer ze worden aangepast, binnen een begrensde, veilige operationele modus blijven. De studie concludeert dat voor textuurpathologie de domeingap momenteel onoverkomelijk is via standaard adaptatie, waardoor selectieve weigering de enige betrouwbare optie is.