Clinical DVH metrics as a loss function for 3D dose prediction in head and neck radiotherapy

Título

Métricas de DVH Clínicas como Função de Perda para Previsão de Dose 3D em Radioterapia de Cabeça e Pescoço

1. Problema Identificado

A previsão de dose 3D baseada em aprendizado profundo (Deep Learning - DL) tornou-se crucial para fluxos de trabalho automatizados de radioterapia. No entanto, a maioria dos modelos existentes é treinada utilizando funções de perda de regressão voxel a voxel (como Erro Médio Absoluto - MAE ou Erro Quadrático Médio - MSE).

• Desalinhamento Clínico: Essas métricas otimizam a similaridade global da distribuição de dose, mas não correspondem diretamente aos critérios de avaliação clínica, que dependem de histogramas dose-volume (DVH) e métricas derivadas (ex: cobertura do volume alvo, dose máxima em órgãos de risco).
• Limitações das Abordagens Atuais:
  • Métricas do tipo D (ex: $D_{x\%}$, dose mínima recebida por x% do volume) são diferenciáveis, mas as métricas do tipo V (ex: $V_{x\%}$, volume que recebe pelo menos x% da dose) envolvem operações de limiar (threshold) não diferenciáveis, dificultando o treinamento baseado em gradiente.
  • A radioterapia de cabeça e pescoço (H&N) apresenta um grande número de Órgãos em Risco (OARs) que frequentemente se sobrepõem espacialmente. Representar cada OAR como um canal de entrada separado (one-hot encoding) gera um custo computacional excessivo, sobrecarregando a memória da GPU e o tempo de pré-processamento.

2. Metodologia Proposta

Os autores propõem um framework que combina uma nova função de perda com uma estratégia eficiente de codificação de dados.

A. Função de Perda CDM (Clinical DVH Metric Loss)

A função de perda CDM é projetada para otimizar diretamente as métricas usadas na avaliação clínica, definidas em um template JSON.

• Métricas D: Utilizam formulações diferenciáveis diretas (ex: algoritmos top-k para encontrar quantis de dose).
• Métricas V (Surrogados Diferenciáveis): Para lidar com a não diferenciabilidade das métricas de volume (que usam funções degrau de Heaviside), os autores propõem uma aproximação usando uma função sigmoide logística ($\sigma_\alpha$).
  • Seleção de $\alpha$: Derivaram um limite inferior analítico para o parâmetro de inclinação $\alpha$ da sigmoide. Isso garante que a aproximação seja precisa o suficiente (erro abaixo de uma tolerância $\epsilon$) sem causar saturação de gradiente (onde o gradiente se torna zero para a maioria dos voxels).
• Objetivo Final: A perda total combina a perda MAE (para manter a precisão voxel a voxel) e a perda CDM (para alinhar com critérios clínicos), balanceadas por coeficientes $\lambda_1$ e $\lambda_2$.

B. Codificação de Bit-Mask (Bit-Mask Encoding)

Para resolver o problema do grande número de OARs sobrepostos:

• Codificação: Em vez de usar múltiplos canais binários (one-hot), todos os ROIs são codificados em um único mapa de bits inteiro (uint32). Cada bit representa um ROI específico.
• Vantagens:
  • Sobreposição: Permite que voxels pertençam a múltiplos ROIs simultaneamente (ex: cérebro e tronco encefálico) sem conflito.
  • Eficiência: Reduz drasticamente o custo de pré-processamento (augmentações geométricas aplicadas uma vez ao invés de N vezes) e a transferência de dados CPU-GPU.
  • Decodificação Sob Demanda: Os máscaras binárias são decodificadas na GPU apenas quando necessárias para o cálculo da perda, reduzindo o uso de memória de pico.

3. Contribuições Principais

1. Função de Perda CDM: Uma formulação que otimiza diretamente métricas de DVH clínicas (D e V), permitindo que até uma rede 3D U-Net padrão atinja previsões clinicamente satisfatórias.
2. Codificação Lossless de Bit-Mask: Uma estratégia eficiente para representar dezenas de ROIs sobrepostos, acelerando o treinamento e reduzindo o uso de memória.
3. Template Baseado em JSON: Um sistema flexível para definir os critérios de avaliação clínica, permitindo que o objetivo de treinamento seja atualizado facilmente para diferentes protocolos sem alterar a arquitetura da rede.

4. Resultados Experimentais

O método foi avaliado em uma coorte retrospectiva de 174 pacientes com câncer de cabeça e pescoço tratados com VMAT (137 para treino, 37 para teste temporal).

• Desempenho Clínico (Scores):
  • A combinação MAE + CDM reduziu o PTV Score (erro nas métricas de volume alvo) de 1.544 (apenas MAE) para 0.491.
  • O modelo com CDM foi o único a satisfazer todas as restrições clínicas pré-definidas (ex: $V_{95\%} \ge 98\%$ e $D_{0.03cc} \le 110\%$) em todos os casos de teste, sem violações estatisticamente significativas em relação aos planos clínicos.
  • A economia de Órgãos em Risco (OAR) manteve-se comparável ou melhorada em relação a outras abordagens.
• Eficiência Computacional:
  • A codificação de bit-mask reduziu o tempo médio de época de treinamento de 241s para 43s (redução de 82,2%).
  • Redução de 4,5% no uso de memória de pico da GPU.
• Comparação de Arquiteturas:
  • Uma 3D U-Net padrão com a perda CDM superou ou igualou arquiteturas mais complexas e state-of-the-art (como SwinUNETR, MedNeXt e C3D), sugerindo que o alinhamento do objetivo de treinamento é mais crítico do que a complexidade arquitetural.

5. Significado e Conclusão

O estudo demonstra que otimizar diretamente as métricas de avaliação clínica (DVH) é superior à otimização puramente voxel a voxel ou baseada em curvas completas de DVH.

• Impacto Clínico: O framework proposto permite a geração de previsões de dose que estão intrinsecamente alinhadas com os critérios de planejamento real, aumentando a aceitação clínica e a consistência dos planos.
• Viabilidade: A abordagem é escalável e prática, resolvendo gargalos computacionais comuns em radioterapia de cabeça e pescoço através da codificação de bit-mask.
• Futuro: Embora os resultados sejam promissores em um único centro, o próximo passo envolve validação multi-institucional e a integração do sistema em fluxos de trabalho de "dose mimicking" para geração de planos tratáveis.

Em resumo, o trabalho oferece uma base sólida para fluxos de trabalho de radioterapia assistidos por IA, onde a precisão clínica e a eficiência computacional são alcançadas simultaneamente.