[論文レビュー] Automated deep-learning system for Gleason grading of prostate cancer using biopsies: a diagnostic study

Wouter Bulten, Hans Pinckaers+7 more|arXiv (Cornell University)|Feb 1, 2020

AI in cancer detection参考文献 33被引用数 110

ひとこと要約

本研究では、1,243名の患者から得られた5,834枚の生検標本を用いて、半自動ラベリング手法を適用した完全自動化された深層学習システムを、前立腺がん生検のグリソンスコアリングに開発した。このシステムは基準基準と高い一致を示し、比較的観察者実験において15名の病理医のうち10名を上回った。これにより、観察者間ばらつきを低減するための最初または2番目の読影者ツールとしての可能性が示された。

ABSTRACT

The Gleason score is the most important prognostic marker for prostate cancer patients but suffers from significant inter-observer variability. We developed a fully automated deep learning system to grade prostate biopsies. The system was developed using 5834 biopsies from 1243 patients. A semi-automatic labeling technique was used to circumvent the need for full manual annotation by pathologists. The developed system achieved a high agreement with the reference standard. In a separate observer experiment, the deep learning system outperformed 10 out of 15 pathologists. The system has the potential to improve prostate cancer prognostics by acting as a first or second reader.

研究の動機と目的

• 前立腺がん生検のグリソンスコアリングにおける高い観察者間ばらつきを是正すること。
• 全スライド画像を用いた完全自動化された深層学習システムを、グリソンスコアリングに開発すること。
• 時間的に集中的な病理医による手動ラベリングに依存しないように、半自動ラベリング技術を活用して負荷を軽減すること。
• システムの性能を基準基準と比較し、人間の病理医と比較するための評価を行うこと。

提案手法

• システムは、1,243名の患者から得られた5,834枚の前立腺生検全スライド画像を用いてトレーニングされた。
• トレーニングラベルの生成に半自動ラベリング手法を用い、病理医による完全な手動ラベリングの負荷を最小限に抑えた。
• ヒストパスロジカル画像からの特徴を学習するために、おそらく畳み込みニューラルネットワーク（CNN）である深層学習モデルが採用された。
• 性能は一致度指標を用いて評価され、基準基準を用いてモデルを検証した。
• 比較的観察者実験が実施され、深層学習システムと15名の病理医が生検スコアリングタスクにおいて比較された。
• モデル推論は全スライド画像を対象として実施され、高い空間分解能でグリソンスコアを予測した。

実験結果

リサーチクエスチョン

• RQ1 完全自動化された深層学習システムは、前立腺生検のグリソンスコアリングにおいて基準基準と高い一致を達成できるか？
• RQ2 半自動ラベリング手法は、完全な手動ラベリングなしに、効率的かつ正確なモデルトレーニングを可能にするか？
• RQ3 深層学習システムは、スコアリングの一貫性と正確性において人間の病理医を上回ることができるか？
• RQ4 制御された観察者実験において、システムの性能は専門的病理医と比較してどの程度か？

主な発見

• 深層学習システムは基準基準と高い一致を示し、グリソンスコアリングにおける強力な信頼性を示した。
• 比較的観察者実験において、システムは15名の病理医のうち10名を上回り、優れた一貫性と正確性を示した。
• 半自動ラベリング手法は、完全な手動ラベリングの必要性を効果的に低減したが、ラベル品質を維持した。
• このシステムは、前立腺がんの予後予測の正確性を向上させるための最初または2番目の読影者ツールとしての可能性を示した。