One scale to rule them all: interpretable multi-scale Deep Learning for predicting cell survival after proton and carbon ion irradiation

Resumo Técnico: Uma Escala para Reger Todas as Outras: Aprendizado Profundo Multi-escala Interpretável para a Predição de Sobrevivência Celular

Definição do Problema
A relação entre as características físicas dos campos de radiação e o dano biológico é central para a radioterapia e a radioproteção. No entanto, o elo entre as escalas espaciais de deposição de energia (nanômetro, micrômetro e macroscópica) e os efeitos biológicos ainda não é totalmente compreendido. A modelagem radiobiológica tradicional frequentemente baseia-se em um único domínio espacial — como a Transferência Linear de Energia (LET) para médias macroscópicas, microdosimetria para escalas celulares ou nanodosimetria para volumes do tamanho do DNA — negligenciando a complexidade subjacente da estocasticidade da radiação em diferentes escalas. Uma questão fundamental em aberto é se existe um tamanho de domínio específico que seja mais relevante para prever efeitos biológicos, ou se essas escalas são complementares. Além disso, embora o Aprendizado Profundo (DL) ofereça alta precisão preditiva, sua natureza de "caixa preta" limita sua utilidade em ambientes clínicos onde a interpretabilidade e o insight mecanístico são necessários.

Metodologia
Para enfrentar esses desafios, os autores desenvolveram um modelo de Aprendizado Profundo interpretável treinado no conjunto de dados Particle Irradiation Data Ensemble (PIDE), que contém experimentos de sobrevivência celular para prótons e íons de carbono.

• Aumento de Dados: O estudo aumentou o conjunto de dados PIDE simulando descritores físicos adicionais além dos parâmetros macroscópicos convencionais. Usando os toolkits de Monte Carlo MC-STARtrack e Open-TOPAS, os autores geraram:
  • Grandezas nanodosimétricas: Especificamente, a função de distribuição cumulativa complementar $F^*(n)$ de tamanhos de clusters de ionização dentro de volumes do tamanho do DNA, que se correlaciona com danos complexos ao DNA.
  • Grandezas microdosimétricas: Energia linear média de frequência ($\bar{y}_F$) e média de dose ($\bar{y}_D$), simuladas em esferas de água de 1-$\mu$m representando núcleos celulares.
  • Grandezas macroscópicas: LET padrão e valores de dose.
• Arquitetura do Modelo: O núcleo da abordagem é uma arquitetura baseada em TabNet que emprega um mecanismo de atenção sequencial. Diferente das redes neurais padrão, este modelo opera através de uma sequência de etapas de decisão. Em cada etapa, um transformer de atenção produz uma máscara de seleção de características esparsa (usando a função Sparsemax) para selecionar dinamicamente as características de entrada relevantes.
  • Interpretabilidade: O modelo utiliza um prior de características que desencoraja a seleção repetida das mesmas características ao longo das etapas, promovendo uma seleção de características diversificada. Um termo de regularização de esparsidade baseado na entropia das máscaras de atenção é adicionado ao objetivo de treinamento. Este design garante "interpretabilidade nativa", permitindo que o modelo destaque quais escalas espaciais contribuem para a decisão em cada etapa sem a necessidade de ferramentas de explicação post-hoc como SHAP.
• Treinamento e Avaliação: O modelo foi treinado para prever parâmetros de sobrevivência celular derivados do formalismo Linear-Quadrático (LQ). O desempenho foi avaliado usando Erro Percentual Absol de Médio (MAPE) e Erro Quadrático Médio (RMSE) em dobras (folds) independentes do conjunto de dados. As previsões do modelo foram comparadas com modelos clínicos estabelecidos: o Modelo Cinético Microdosimétrico (MKM) e o Modelo de Efeito Local (LEM) versão III.
• Desfechos (Endpoints): O estudo focou em três desfechos biologicamente significativos:
  1. A dose para 10% de sobrevivência ($D_{10}$), usada para calcular a Eficácia Biológica Relativa (RBE).
  2. Sobrevivência em 2 Gy (dose fracionada convencional).
  3. A inclinação inicial da curva de sobrevivência (limite de baixa dose), refletindo a radiossensibilidade intrínseca.

Principais Resultados

• Precisão Preditiva: O modelo de DL multi-escala alcançou um MAPE de 9,5% para previsões de RBE e demonstrou desempenho superior em comparação ao MKM e LEM. Especificamente, o modelo alcançou um RMSE médio de aproximadamente 0,1 para as linhagens celulares V79 e HSG, superando significativamente o MKM (0,8 e 0,2, respectivamente) e o LEM (1,3 e 0,5, respectivamente).
• Importância das Características e Contribuição de Escala:
  • Não há uma Escala Dominante Única: A análise revelou que nenhuma escala espacial é predominante em todas as condições. Em vez disso, o modelo combina dinamicamente informações complementares.
  • Hierarquia de Escalas: Grandezas definidas em domínios espaciais menores (nanodosimetria) geralmente exercem uma influência maior do que descritores macroscópicos. Especificamente, o descritor nanodosimétrico $F^*(1)$ exibiu consistentemente a maior atenção em todos os desfechos.
  • Dependência do Desfecho:
    • Para $D_{10}$ e 2 Gy, a atenção foi distribuída de forma mais equilibrada, com $\bar{y}_D$ e LET emergindo como influentes após $F^*(1)$.
    • Para o limite de baixa dose, as métricas nanodosimétricas mostraram uma predominância clara, com apenas $\bar{y}_F$ aproximando-se de uma importância comparável.
  • Dependência de Partícula e Energia:
    • Íons de Carbono: A nanodosimetria foi aproximadamente três vezes mais importante para íons de carbono do que para prótons. O modelo capturou o "efeito overkill" (diminuição da eficácia biológica em LET muito alto) sem termos de saturação matemática explícitos, baseando-se no interplay entre características microdosimétricas e nanodosimétricas.
    • Prótons: A microdosimetria tornou-se significativamente mais importante em energias mais altas, impulsionada principalmente por $\bar{y}_F$.
• Radiossensibilidade: Os padrões de atenção do modelo variaram conforme a radiossensibilidade da linhagem celular (definida pela razão $\alpha_X/\beta_X$). Linhagens altamente radiossensíveis ($\alpha_X/\beta_X > 4$ Gy) mostraram uma atenção mais estável entre as escalas, enquanto linhagens menos sensíveis mostraram um aumento de atenção à microdosimetria e ao LET com o aumento da energia.

Significância e Alegações
O artigo afirma que sua principal contribuição não é meramente a introdução de um modelo preditivo mais preciso, mas a investigação da interpretabilidade na modelagem radiobiológica multi-escala. Ao utilizar uma arquitetura de DL transparente, o estudo demonstra que:

1. A Integração Multi-escala é Essencial: A previsão precisa de efeitos biológicos induzidos por radiação requer a integração de informações através das escalas nanodosimétrica, microdosimétrica e macroscópica, em vez de depender de um único descritor físico.
2. Insight Mecanístico Baseado em Dados: O modelo permite que as contribuições relativas de diferentes escalas espaciais emerjam organicamente dos dados, livres dos vieses estruturais de modelos matemáticos predefinidos (como LEM ou MKM).
3. Relevância Clínica: O framework fornece uma nova lente para entender como diferentes escalas de deposição de energia impactam os resultados biológicos, oferecendo insights que podem guiar a otimização de planos de tratamento de terapia de partículas.
4. Transparência: O mecanismo de atenção integrado fornece interpretabilidade nativa, abordando uma barreira importante para a adoção clínica da IA em radioterapia ao oferecer insights transparentes sobre o processo de tomada de decisão do modelo.

Os autores concluem que, embora o presente estudo seja limitado pela disponibilidade de dados e pelos desfechos específicos utilizados, a abordagem oferece uma oportunidade transformadora para incorporar descrições físicas e biológicas detalhadas na otimização de planos de tratamento, avançando a precisão e a personalização da terapia de partículas.