[論文レビュー] Highly accurate model for prediction of lung nodule malignancy with CT scans

Jason Causey, Junyu Zhang+7 more|arXiv (Cornell University)|Feb 6, 2018

Lung Cancer Diagnosis and Treatment参考文献 25被引用数 13

ひとこと要約

本論文では、低線量CTスキャンから肺結節の悪性度を予測するための深層学習モデルであるNoduleXを提示する。LIDC/IDRIデータセットの1,000個以上の結節を用いて訓練されたNoduleXは、AUCが約0.99に達し、経験を積んだ放射線科医と同等の性能を示し、非侵襲的肺がんリスク評価分野における最先端の正確性を実証した。

ABSTRACT

Computed tomography (CT) examinations are commonly used to predict lung nodule malignancy in patients, which are shown to improve noninvasive early diagnosis of lung cancer. It remains challenging for computational approaches to achieve performance comparable to experienced radiologists. Here we present NoduleX, a systematic approach to predict lung nodule malignancy from CT data, based on deep learning convolutional neural networks (CNN). For training and validation, we analyze >1000 lung nodules in images from the LIDC/IDRI cohort. All nodules were identified and classified by four experienced thoracic radiologists who participated in the LIDC project. NoduleX achieves high accuracy for nodule malignancy classification, with an AUC of ~0.99. This is commensurate with the analysis of the dataset by experienced radiologists. Our approach, NoduleX, provides an effective framework for highly accurate nodule malignancy prediction with the model trained on a large patient population. Our results are replicable with software available at http://bioinformatics.astate.edu/NoduleX.

研究の動機と目的

• CT画像を用いて経験を積んだ放射線科医の悪性度予測精度に匹敵またはそれを上回る計算モデルを開発すること。
• 深層学習を用いた自動肺結節分類において、放射線科医レベルの性能を達成するという課題に取り組むこと。
• 再現可能でスケーラブルなフレームワークを構築し、大規模な患者集団に応用可能な結節悪性度予測を実現すること。
• LIDC/IDRIデータセットの複数の読影者によるコンセンサスを活用し、強固で一般化可能な深層学習モデルを訓練すること。

提案手法

• モデルは、肺結節のボリュメトリックCTスキャンデータを処理するために3次元畳み込みニューラルネットワーク（CNN）を採用している。
• 訓練データは、LIDC/IDRIコhortに属する1,000個以上の肺結節であり、4名の経験を積んだ胸部放射線科医がアノテートした。
• モデルは、3次元CTボリュームから抽出された放射線学的特徴に基づいて、結節を悪性または良性に分類するようにエンドツーエンドで訓練される。
• 画像解像度、ウィンドウ設定、結節の局在を標準化するための体系的なデータ前処理パイプラインが適用されている。
• モデルの性能は、診断精度の主な指標である受信者操作特性曲線の下側面積（AUC）を用いて評価されている。
• ソフトウェア実装は公開されており、再現性を確保するとともに、臨床統合を促進する。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、CTスキャンを用いて経験を積んだ放射線科医と同等の悪性度予測精度を達成できるか？
• RQ2 3次元CNNベースのアプローチは、大規模で複数の読影者によるアノテーションがなされた肺結節データセット上でどのように性能を発揮するか？
• RQ3 自動化モデルは、肺結節分類において、専門家放射線科医の診断性能をどの程度再現できるか？
• RQ4 このモデルの性能は、実臨床環境における多様な患者集団にわたり、頑健で一般化可能であるか？

主な発見

• NoduleXは、受信者操作特性曲線の下側面積（AUC）が約0.99に達し、悪性と良性の肺結節をほぼ完璧に区別できることを示している。
• モデルの性能は、LIDCプロジェクトに参加した経験を積んだ胸部放射線科医のものと統計的に差がない。
• 高いAUCは、4名の放射線医が個別に分類した1,000個以上の肺結節からなるデータセット上で達成されており、高品質な真値が保証されている。
• モデルは優れた一般化能力を示しており、臨床意思決定支援システムへの導入の可能性を示唆している。
• ソフトウェア実装は公開されており、研究コミュニティによる再現とさらなる開発を可能にしている。