[論文レビュー] A Study of Deep Learning Colon Cancer Detection in Limited Data Access Scenarios

Apostolia Tsirikoglou, Karin Stacke+3 more|arXiv (Cornell University)|May 20, 2020

AI in cancer detection参考文献 3被引用数 4

ひとこと要約

本研究は、限られたアノテート済みデータを有するリンパ節における転移性大腸癌検出のためのトランスファーラーニング戦略を調査する。主大腸腫瘍組織または乳がんデータ（Cycle-GANを用いたドメイン適応あり・なしを含む）を活用することで、完全なリンパ節データセットで学習した場合と同等の性能を達成した。これは、クロス組織およびクロスがん種のデータが、組織病理学AIにおけるデータ不足を効果的に緩和できることを示している。

ABSTRACT

Digitization of histopathology slides has led to several advances, from easy data sharing and collaborations to the development of digital diagnostic tools. Deep learning (DL) methods for classification and detection have shown great potential, but often require large amounts of training data that are hard to collect, and annotate. For many cancer types, the scarceness of data creates barriers for training DL models. One such scenario relates to detecting tumor metastasis in lymph node tissue, where the low ratio of tumor to non-tumor cells makes the diagnostic task hard and time-consuming. DL-based tools can allow faster diagnosis, with potentially increased quality. Unfortunately, due to the sparsity of tumor cells, annotating this type of data demands a high level of effort from pathologists. Using weak annotations from slide-level images have shown great potential, but demand access to a substantial amount of data as well. In this study, we investigate mitigation strategies for limited data access scenarios. Particularly, we address whether it is possible to exploit mutual structure between tissues to develop general techniques, wherein data from one type of cancer in a particular tissue could have diagnostic value for other cancers in other tissues. Our case is exemplified by a DL model for metastatic colon cancer detection in lymph nodes. Could such a model be trained with little or even no lymph node data? As alternative data sources, we investigate 1) tumor cells taken from the primary colon tumor tissue, and 2) cancer data from a different organ (breast), either as is or transformed to the target domain (colon) using Cycle-GANs. We show that the suggested approaches make it possible to detect cancer metastasis with no or very little lymph node data, opening up for the possibility that existing, annotated histopathology data could generalize to other domains.

研究の動機と目的

• リンパ節における転移性大腸癌検出に必要なアノテート済みデータが限られているという課題に対処する。
• リンパ節データが不足している状況で、主大腸腫瘍組織またはクロスオルガンのがんデータが、有効なデータソースとして機能するかを調査する。
• Cycle-GANを用いたドメイン適応によって、乳がん組織像を大腸がんの外見に合わせることで、その影響を評価する。
• リンパ節以外のソースからのトランスファーラーニングが、低データ状況におけるモデル性能を向上させるかを評価する。
• デジタル病理学における診断性能を維持しつつ、アノテーション負荷を軽減する実用的なデータ戦略を検討する。

提案手法

• パッチレベル分類のための3層の畳み込み層と全結合層を備えたCNNを訓練した。
• 各fold間でのデータ独立性を確保するため、患者単位の訓練/テスト分割（32/5名）を採用した。
• アノテーション負荷の3段階を評価：高（完全なリンパ節データ）、低（主腫瘍のみ）、中（主腫瘍＋少数のリンパ節患者）。
• CAMELYON17乳がんデータセット（50枚のホールスライド画像、43名の患者）からのパッチを訓練データに拡張した。
• CAMELYON17のパッチを、大腸に似た外見に変換するため、Cycle-GANを用いてドメイン適応を実施した。
• すべてのデータセットをパッチレベルでバランスさせ、腫瘍および非腫瘍サンプルのクラス分布が等しくなるようにした。

実験結果

リサーチクエスチョン

• RQ1 リンパ節データが限られている場合、主大腸腫瘍組織をリンパ節における転移性大腸癌検出のトレーニングの代理として使用できるか？
• RQ2 異なるがん種（例：乳がん）からの知識転送が、低データ状況におけるリンパ節検出性能を向上させるか？
• RQ3 乳がんから大腸がん組織像へのCycle-GANによるドメイン適応が、性能向上に寄与するか？
• RQ4 リンパ節データ不足状況において、アノテーション負荷の異なる水準（高・中・低）での性能はどのように変化するか？
• RQ5 外部のがんデータセットを用いたデータ拡張が、限定的ではあるが完全なローカルリンパ節データセットでの学習を上回る性能を達成できるか？

主な発見

• ローカルリンパ節データセット（LNCO）の25％の主腫瘍データと、2名のリンパ節患者データを用いた中程度のアノテーション負荷設定において、パッチレベルの精度が著しく向上した。これは、完全なローカルLNCOデータセットで学習したベースラインを上回った。
• CAMELYON17乳がんデータをトレーニングセットに追加することで、すべてのアノテーション負荷水準で性能が一貫して向上した。特に中程度の負荷設定では、ローカルLNCOデータのみで学習したベースラインを上回った。
• Cycle-GANを用いた乳がんから大腸がん組織像へのドメイン適応は、性能向上をもたらさず、むしろ低下を引き起こした可能性がある。これは、GANの学習データが限られていることが要因と考えられる。
• 中程度のアノテーション負荷設定において、LNCOの主腫瘍データの25％と、わずか2名のリンパ節患者データのみを用いても、高いパッチレベルの正確性を達成した。
• 結果として、クロスターゲット組織およびクロスがん種のデータ転送が、大腸癌転移検出の低データ状況において実用的かつ効果的であることが示された。
• 本研究は、大腸リンパ節データにアクセスできない状況でも、他のがん種の既存のアノテート済み組織病理学データを活用して、高性能なモデルを訓練できることを示している。