Resumo Técnico: TRACE – Um Modelo de Gargalo de Conceitos para Avaliação Longitudinal da Resposta ao Glioblastoma 3D

1. Definição do Problema

A avaliação longitudinal da resposta ao tratamento do Glioblastoma (GBM) é crítica para a tomada de decisão clínica, mas permanece desafiadora devido à sutileza das mudanças tumorais ao longo do tempo e à complexidade dos critérios clínicos. Os médicos dependem dos critérios de Resposta de Avaliação em Neuro-Oncologia (RANO) (especificamente RANO 2.0), que exigem a comparação de medições tumorais (volume e Soma dos Produtos dos Diâmetros, SPD) entre os exames de ressonância magnética (RM) de linha de base e de acompanhamento para categorizar a resposta em quatro classes: Resposta Completa (CR), Resposta Parcial (PR), Doença Estável (SD) e Doença Progressiva (PD).

As abordagens atuais de aprendizado profundo tipicamente preveem esses rótulos de resposta diretamente a partir de características de imagem. Embora eficazes em algumas métricas, esses modelos de "caixa-preta" carecem de interpretabilidade, tornando difícil para os clínicos inspecionarem o raciocínio ou corrigirem erros. Além disso, os modelos padrão frequentemente falham em codificar explicitamente as dependências causais estruturadas inerentes ao protocolo RANO (por exemplo, as mudanças percentuais são funções determinísticas de medições de linha de base e de acompanhamento). Há uma necessidade de uma abordagem que se alinhe ao raciocínio clínico, ofereça transparência e permita a intervenção humana ao nível do conceito.

2. Metodologia: A Arquitetura TRACE

Os autores propõem o TRACE (Raciocínio Causal Temporal com Explicação de Conceito Acíclica), um Modelo de Gargalo de Conceitos (CBM) projetado especificamente para a avaliação longitudinal de GBM. Diferente dos CBMs padrão que tratam os conceitos como um conjunto plano de preditores independentes, o TRACE estrutura o gargalo como um Grafo Acíclico Dirigido (DAG) que espelha o processo de decisão RANO.

2.1. Entrada e Codificador

O modelo processa pares de exames de RM multimodais (T1, T1ce, T2, FLAIR) de linha de base ($t_0$) e de acompanhamento ($t_1$), juntamente com suas respectivas máscaras de segmentação tumoral.

• Codificador Siamesa 3D: Um ResNet-18 3D de pesos compartilhados (backbone MedicalNet) codifica ambos os pontos temporais separadamente para os fluxos de RM e de segmentação.
• Representação Temporal: As saídas do codificador são concatenadas com sua diferença explícita ($h_{t1} - h_{t0}$) para formar um triplet de características longitudinais. Estes são fundidos em uma representação conjunta ($X_{enc}$).

2.2. Gargalo de Conceitos Estruturado

A inovação central é a separação dos conceitos em três tipos dentro do DAG:

1. Conceitos Raiz ($C_r$): Medições tumorais derivadas de imagem, previstas por "Blocos de Conceito" (MLPs) aprendíveis a partir de $X_{enc}$. Estes incluem volumes de linha de base/acompanhamento ($V_{t0}, V_{t1}$) e SPDs ($SPD_{t0}, SPD_{t1}$).
2. Conceitos Derivados ($C_d$): Estes são nós determinísticos computados via regras matemáticas fixas a partir de conceitos pais, não aprendidos. Eles incluem mudanças percentuais ($\Delta V\%, \Delta SPD\%$) e flags de limiar binário (ex: $b_{PD}^{vol}$ se $\Delta V\% \ge 40\%$). Isso garante consistência mútua e evita que o modelo aprenda correlações espúrias para esses valores derivados.
3. Conceitos de Passagem ($M$): Metadados clínicos injetados diretamente sem codificação de imagem, como o intervalo de varredura ($\Delta t$) e uma flag de nova lesão ($b_{NL}$).

A cabeça de tarefa final (um MLP) prevê a resposta RANO de 4 classes ($Y$) baseando-se exclusivamente no vetor de gargalo estruturado $(C_r, C_d, M)$, garantindo que nenhuma característica de imagem "oculta" vaze diretamente para a classificação final.

2.3. Consistência de Intervenção no Treinamento

Para abordar o "descompasso entre treino e teste", onde a correção de um conceito no momento do teste pode deslocar a distribuição para a cabeça de tarefa, o TRACE emprega o Treinamento de Consistência de Intervenção:

• Durante o treinamento, os conceitos raiz são substituídos aleatoriamente por valores de verdade fundamental (intervenção) com uma probabilidade $p_{int}$.
• O modelo é penalizado via uma perda de divergência de Kullback–Leibler ($\mathcal{L}_{IC}$) para garantir que a previsão permaneça consistente, quer os conceitos de entrada sejam previstos ou corrigidos.
• A função de perda combina um objetivo de macro F1 suave (com ponderação focal para desequilíbrio de classes), uma cabeça auxiliar binária de PD-vs-resto e supervisão de conceito para os nós raiz.

3. Principais Contribuições

1. Primeiro CBM Alinhado ao RANO: O TRACE é o primeiro Modelo de Gargalo de Conceitos projetado especificamente para a classificação de resposta de GBM longitudinal baseada em RANO, representando dependências clínicas como um DAG em vez de um conjunto plano de preditores.
2. Raciocínio Determinístico no Gargalo: O modelo codifica as regras de raciocínio RANO (mudanças percentuais e limiares) como nós determinísticos. Isso restringe a cabeça de tarefa a variáveis interpretáveis por humanos e garante que as correções de conceitos se propaguem logicamente através da cadeia de raciocínio.
3. Treinamento de Consistência de Intervenção: Os autores introduzem uma estratégia de treinamento que penaliza explicitamente o desacordo entre previsões feitas em conceitos previstos versus conceitos corrigidos, permitindo uma intervenção confiável no momento do teste.
4. Avaliação no LUMIERE: O modelo é avaliado no dataset LUMIERE usando validação cruzada de 5 dobras por paciente, demonstrando desempenho comparável a baselines não interpretáveis (ex: modelos baseados em DenseNet) enquanto oferece interpretabilidade.

4. Resultados

Avaliado no dataset LUMIERE (361 pares longitudinais de 91 pacientes), o TRACE alcançou o seguinte:

• Desempenho de 4 Classes: Um macro F1 score de 0.4769 ± 0.1229.
• Desempenho Binário (PD vs. Não-PD): Um macro F1 score de 0.7085 ± 0.0935.
• Comparação: O TRACE superou um baseline de CBM de Eficiência de Dados (DCBM) (0.254 macro F1) e manteve-se dentro da faixa de desempenho de baselines de aprendizado profundo não interpretáveis publicados.
• Estudos de Ablação:
  • A remoção do treinamento de consistência de intervenção causou uma queda massiva de desempenho (F1 de 4 classes caiu de 0.696 para 0.354 em uma dobra específica), destacando seu papel crítico.
  • Substituir o DAG de especialistas por um grafo bipartido plano ou remover a cadeia de derivação determinística também resultou em degradação significativa de desempenho, confirmando a necessidade do grafo causal estruturado.
• Experimentos de Intervenção: Corrigir conceitos raiz (ex: volume tumoral) no momento do teste propagou-se com sucesso através dos nós determinísticos para inverter a previsão final (ex: de CR para PD), validando a auditabilidade do modelo.

5. Significância e Alegações

O artigo posiciona o TRACE como um passo exploratório em direção ao raciocínio de conceitos estruturado e transparente em imagens médicas. Sua significância reside em:

• Auditabilidade: Ele enquadra a avaliação de resposta como um problema de raciocínio estruturado onde clínicos podem inspecionar medições intermediárias (volumes, SPDs) e intervir para corrigir erros, sendo que a correção atualiza automaticamente o diagnóstico final.
• Alinhamento Clínico: Ao codificar a lógica RANO 2.0 no gargalo, o modelo respeita os critérios clínicos explícitos usados na prática, ao contrário de modelos de caixa-preta que aprendem correlações implícitas.
• Padrão de Design: Os autores sugerem que esta arquitetura serve como um padrão de design para outras tarefas de imagem médica longitudinal onde as decisões dependem de critérios clínicos explícitos, mudanças temporais e medições intermediárias verificáveis por humanos.

Os autores mantêm-se modestos sobre os resultados, observando que o desempenho em classes raras (CR e PR) é limitado pelo tamanho reduzido do dataset e que o modelo requer validação externa em datasets maiores e alinhados aos protocolos antes de uma adoção clínica mais ampla. Eles reconhecem que, embora o modelo melhore a interpretabilidade, a estimativa de conceitos raiz (especialmente medições de linha de base) continua sendo um desafio para trabalhos futuros.