Interpretable Concept-Bottleneck Vision-Language Model Predicts Pathologic Complete Response From Longitudinal Breast DCE-MRI

In de strijd tegen borstkanker beginnen artsen vaak met een krachtige strategie genaamd neoadjuvante therapie, waarbij patiënten een behandeling krijgen vóór de operatie om tumoren te verkleinen. Het ultieme doel is een pathologische complete respons, een toestand waarin geen kankercellen meer kunnen worden gevonden in het weefsel dat tijdens de operatie wordt verwijderd. Deze uitkomst is een sterk teken dat een patiënt langer zal leven en kanker vrij zal blijven. Het voorspellen van wie dit resultaat zal bereiken is echter moeilijk. Jarenlang hebben wetenschappers geprobeerd om kunstmatige intelligentie te gebruiken om naar MRI-scans te kijken en deze voorspellingen te doen, maar de meeste van deze systemen fungeren als 'black boxes'. Ze produceren een antwoord, maar kunnen niet uitleggen hoe ze tot die beslissing zijn gekomen. Omdat artsen de redenering achter de beslissing van de machine niet kunnen zien, zijn ze vaak terughoudend om het te vertrouwen, vooral wanneer het leven van een patiënt op het spel staat. Om nuttig te zijn in een ziekenhuis, moet een AI-tool transparant zijn en zijn werk laten zien op een manier die een menselijke expert kan verifiëren.

Een team van onderzoekers heeft een nieuw soort kunstmatige intelligentie ontwikkeld die dit probleem oplost door de machine te dwingen te denken in termen van herkenbare medische kenmerken. In plaats van een scan te bekijken en direct de uitkomst te raden, identificeert dit systeem eerst elf specifieke kenmerken van de tumor, zoals de vorm, de grootte en hoe deze op de scan verschijnt. Deze kenmerken zijn gebaseerd op standaard medische beschrijvingen die radiologen dagelijks gebruiken. Het systeem gebruikt vervolgens deze geïdentificeerde kenmerken, samen met de leeftijd van de patiënt en het specifieke type kanker, om een schriftelijk rapport te genereren. Dit rapport legt de redenering achter de voorspelling uit, net zoals een arts een notitie aan een collega schrijft. De onderzoekers testten dit systeem op gegevens van honderden patiënten en ontdekten dat het accuraat kon voorspellen wie goed op de behandeling zou reageren, terwijl het ook een duidelijke, controleerbare uitleg bood voor elke enkele voorspelling.

De studie richtte zich op patiënten uit twee grote, multicenter klinische trials, waarbij in totaal 753 individuen betrokken waren die dynamische contrastversterkte MRI-scans hadden ondergaan. Dit type beeldvorming houdt in dat er foto's van de borst worden gemaakt vóór en na het injecteren van een kleurstof, wat artsen helpt te zien hoe het bloed door de tumor stroomt. De onderzoekers trainden hun model op gegevens van de I-SPY2-trial en testten het vervolgens op een volledig aparte groep patiënten uit de I-SPY1-trial om te zien of het zou werken op verschillende machines en met verschillende scanprotocollen. Het model was ontworpen om naar twee sets beelden voor elke patiënt te kijken: één genomen voordat de behandeling begon en een andere vroeg in het behandeltraject, meestal na ongeveer drie weken. Door deze twee tijdstippen te vergelijken, kon het systeem zien hoe de tumor veranderde.

De kern van deze nieuwe aanpak is een "concept bottleneck". Voordat het model een definitieve voorspelling doet over de vraag of een patiënt genezen zal zijn, moet het eerst specifieke, meetbare concepten identificeren. Deze omvatten zaken als het functionele tumorvolume, wat een maat is voor hoeveel van de tumor actief groeit, en de sfericiteit, die beschrijft hoe rond of onregelmatig de tumor is. Het kijkt ook naar of de tumor verschijnt als een solide massa of als een meer diffuus gebied van aankleuring, en of het scherpe of vage randen heeft. Het systeem voorspelt deze elf concepten met een hoge mate van nauwkeurigheid, passend bij de resultaten die zouden worden verkregen door een computerprogramma dat specifiek is ontworpen om ze te meten. Zodra deze kenmerken zijn geïdentificeerd, worden ze gevoed aan een taalmodel dat fungeert als een radioloog. Dit taalmodel leest de lijst met kenmerken en schrijft een gestructureerd rapport, waarin wordt uitgelegd welke factoren de voorspelling richting een genezing duwen en welke factoren het ervan wegduwen.

Toen de onderzoekers het model testten, presteerde het goed. Op de groep patiënten die voor de test werd gebruikt, maakte het systeem met een nauwkeurigheidsscore van 0,76 correct onderscheid tussen degenen die een volledige respons zouden bereiken en degenen die dat niet zouden doen. Bij het testen op de volledig onafhankelijke groep patiënten uit de andere trial bleef de nauwkeurigheid sterk op 0,71. Dit is significant omdat het aantoont dat het model kan werken in verschillende ziekenhuizen en met verschillende soorten MRI-machines, een veelvoorkomstige hindernis voor medische AI. De studie onthulde ook dat de belangrijkste factor in het voorspellen van een genezing de verandering in het functionele tumorvolume was. Met andere woorden: de patiënten wiens tumoren het meest krompen in de eerste paar weken van de behandeling, waren degenen die het meest waarschijnlijk aan het einde geen kanker meer zouden hebben. Deze bevinding komt overeen met wat artsen al weten, maar het nieuwe systeem bevestigde het zonder expliciet te zijn verteld waar het naar moest zoeken.

De onderzoekers ontdekten ook dat het vertrouwen van het model een nuttige gids was. Wanneer het systeem zeer zeker was van zijn voorspelling, was het in 88 procent van de gevallen correct. Echter, wanneer de voorspelling grenswaardig of onzeker was, daalde de nauwkeurigheid naar 58 procent. Dit suggereert dat de tool gebruikt kan worden om de tijd van artsen te prioriteren. Als het model zegt dat een patiënt een duidelijke responder of een duidelijke non-responder is, kan de arts die beoordeling vertrouwen. Als het model onzeker is, weet de arts dat hij de casus nauwkeuriger moet bekijken of op andere methoden moet vertrouwen. Dit vermogen om te zeggen "ik weet het niet zeker" is een cruciale eigenschap voor medische hulpmiddelen, aangezien het voorkomt dat het systeem gevaarlijke gokken doet wanneer de gegevens ambigu zijn.

Een van de meest interessante bevindingen was hoe het model omging met verschillende soorten kanker en behandelingen. Het werkte goed voor de meeste groepen, maar had iets meer moeite met patiënten die een specifiek type immunotherapie kregen. In deze gevallen kwamen de gebruikelijke tekenen van tumorinkrimping op een MRI niet altijd overeen met de werkelijke biologische respons. Het model identificeerde correct dat de standaardmaten voor volumeverandering minder betrouwbaar waren voor deze groep, wat een bekende beperking benadrukt in hoe we momenteel het succes van immuun-gebaseerde therapieën meten. Deze nuance, die een black-box model misschien had gemist of over het hoofd had gezien, was duidelijk zichtbaar in de redenering van het systeem, wat aantoont dat het aandacht besteedde aan de specifieke biologie van de ziekte.

De studie pakte ook het probleem van vertrouwen aan door het hele proces transparant te maken. Omdat de redenering van het model is gebouwd op standaard medische concepten, kan een radioloog naar dezelfde scan kijken en het werk van het model controleren. De radioloog kan zien of het systeem de vorm of de groeisnelheid van de tumor correct heeft geïdentificeerd. Als het model een fout maakt, kan de arts precies zien welk concept verkeerd is geïdentificeerd. Dit niveau van detail kan traditionele deep learning-modellen niet bieden, omdat ze vaak vertrouwen op patronen die onzichtbaar zijn voor het menselijk oog. Door de voorspelling te funderen in concepten die artsen begrijpen, hebben de onderzoekers een instrument gecreëerd dat gecontroleerd en geverifieerd kan worden, in plaats van dat het enkel op basis van geloof wordt geaccepteerd.

Ondanks deze successen zijn de onderzoekers voorzichtig in het benoemen van de beperkingen van hun werk. Het model is getraind op gegevens uit specifieke klinische trials, en hoewel het goed functioneerde op een onafhankelijke set, is het nog niet getest in een echte ziekenhuissetting met alle variabiliteit die gepaard gaat met de dagelijkste praktijk. Bovendien vertrouwt het systeem op algoritmische definities voor sommige van zijn metingen, in plaats van dat elk concept door een menselijke expert wordt gecontroleerd. Dit betekent dat hoewel het model interpreteerbaar is, de 'ground truth' waarop het is getraind nog steeds de beste gok van een computer is en niet het definitieve oordeel van een mens. De onderzoekers wijzen er ook op dat het model korte-termijnuitkomsten voorspelt, zoals de vraag of de kanker bij de operatie verdwenen zal zijn, maar het voorspelt nog niet de langetermijnoverleving of het risico op terugkeer van de kanker jaren later.

Het werk vertegenwoordigt een verschuiving in hoe kunstmatige intelligentie voor de geneeskunde wordt gebouwd. In plaats van te proberen een systeem te creëren dat simpelweg het meest accuraat is, ongeacht hoe het werkt, gaven de onderzoekers de voorkeur aan helderheid en verantwoording. Ze lieten zien dat het mogelijk is om een systeem te bouwen dat zowel accuraat als begrijpelijk is. Door de AI te dwingen de taal van de radiologie te spreken en haar conclusies te rechtvaardigen met specifieke, observeerbare kenmerken, hebben ze een brug geslagen tussen de kracht van machine learning en het oordeel van menselijke clinici. Dit vervangt de arts niet; het geeft de arts eerder een nieuwe manier om de gegevens te zien, een manier die helder, logisch en open voor inspectie is. In een vakgebied waar de belangen enorm hoog zijn, kan dit soort transparantie de sleutel zijn om deze krachtige tools eindelijk naar de kliniek te brengen.