[論文レビュー] The Brain Tumor Segmentation (BraTS) Challenge 2023: Glioma Segmentation in Sub-Saharan Africa Patient Population (BraTS-Africa)

Maruf Adewole, Jeffrey D. Rudie+49 more|arXiv (Cornell University)|May 30, 2023

AI in cancer detection被引用数 34

ひとこと要約

この論文は BraTS-Africa を提示します。BraTS 2023 のトラックで、リソース制約下で CAD 手法を評価するため、Sub-Saharan Africa におけるグリオーマのセグメンテーションに焦点を当てます。

ABSTRACT

Gliomas are the most common type of primary brain tumors. Although gliomas are relatively rare, they are among the deadliest types of cancer, with a survival rate of less than 2 years after diagnosis. Gliomas are challenging to diagnose, hard to treat and inherently resistant to conventional therapy. Years of extensive research to improve diagnosis and treatment of gliomas have decreased mortality rates across the Global North, while chances of survival among individuals in low- and middle-income countries (LMICs) remain unchanged and are significantly worse in Sub-Saharan Africa (SSA) populations. Long-term survival with glioma is associated with the identification of appropriate pathological features on brain MRI and confirmation by histopathology. Since 2012, the Brain Tumor Segmentation (BraTS) Challenge have evaluated state-of-the-art machine learning methods to detect, characterize, and classify gliomas. However, it is unclear if the state-of-the-art methods can be widely implemented in SSA given the extensive use of lower-quality MRI technology, which produces poor image contrast and resolution and more importantly, the propensity for late presentation of disease at advanced stages as well as the unique characteristics of gliomas in SSA (i.e., suspected higher rates of gliomatosis cerebri). Thus, the BraTS-Africa Challenge provides a unique opportunity to include brain MRI glioma cases from SSA in global efforts through the BraTS Challenge to develop and evaluate computer-aided-diagnostic (CAD) methods for the detection and characterization of glioma in resource-limited settings, where the potential for CAD tools to transform healthcare are more likely.

研究の動機と目的

• BraTS フレームワークを用いて Sub-Saharan Africa における最先端のグリオーマセグメンテーション手法の評価を促す。
• MRI 品質、遅発/発現、腫瘍特性といった SSA 固有の要因がセグメンテーション性能にどのように影響するかを評価する。
• リソースが限られた医療環境に適した CAD（computer-aided-diagnostic）ツールの開発を促進する。

提案手法

• BraTS フレームワークを拡張し SSA のグリオーマ症例を含める。
• CAD 手法の開発と評価のために SSA データ提供者の参加を促す。
• SSA のさまざまな画像条件下でのグリオーマの検出、特徴付け、セグメンテーションに焦点を当てる。
• LMICs における脳腫瘍ケアを変革する CAD ツールの可能性を強調する。

実験結果

リサーチクエスチョン

• RQ1 高水準の BraTS セグメンテーション手法は、画質の低い Sub-Saharan Africa の MRI データに一般化できるか？
• RQ2 SSA 固有の腫瘍特性と画像制約がグリオーマのセグメンテーション性能にどのように影響するか？
• RQ3 リソースの限られた SSA 環境で CAD ツールは診断と治療計画を改善する可能性があるか？

主な発見

• BraTS-Africa は SSA のグリオーマ症例を世界的な BraTS 研究に含めるユニークな機会を提供する。
• この課題は、資源が制限された環境におけるグリオーマの検出と特徴付けのための CAD 手法の開発と評価を目指す。
• SSA 固有の画像品質と発現パターンは評価フレームワークの一部とされる。
• 本研究は SSA 条件に合わせた CAD ツールによる医療提供の潜在的改善を強調する。