[논문 리뷰] A multi-institutional pediatric dataset of clinical radiology MRIs by the Children's Brain Tumor Network

Ariana Familiar, Anahita Fathi Kazerooni외 38명|PubMed|2023. 10. 02.

Glioma Diagnosis and Treatment참고 문헌 37인용 수 6

한 줄 요약

이 논문은 Children's Brain Tumor Network를 통해 정규 임상 관리 과정을 통해 수집된 1,526명의 뇌종양을 가진 어린이들로부터의 23,101개의 다중 매개변수 MRI 영상으로 구성된 대규모 다기관 소아 뇌 MRI 데이터셋을 소개한다. 이 데이터셋에는 종단적 영상, 임상 데이터, 병리 슬라이드 및 옴믹스 정보가 포함되어 있으며, 치료 이력이 없는 영상은 NCI 소아암 데이터 이니셔티브를 통해 공개되어 소아 신경종양학 분야에서 인공지능 기반 정밀의료의 가속화를 도모한다.

ABSTRACT

Pediatric brain and spinal cancers remain the leading cause of cancer-related death in children. Advancements in clinical decision-support in pediatric neuro-oncology utilizing the wealth of radiology imaging data collected through standard care, however, has significantly lagged other domains. Such data is ripe for use with predictive analytics such as artificial intelligence (AI) methods, which require large datasets. To address this unmet need, we provide a multi-institutional, large-scale pediatric dataset of 23,101 multi-parametric MRI exams acquired through routine care for 1,526 brain tumor patients, as part of the Children's Brain Tumor Network. This includes longitudinal MRIs across various cancer diagnoses, with associated patient-level clinical information, digital pathology slides, as well as tissue genotype and omics data. To facilitate downstream analysis, treatment-naïve images for 370 subjects were processed and released through the NCI Childhood Cancer Data Initiative via the Cancer Data Service. Through ongoing efforts to continuously build these imaging repositories, our aim is to accelerate discovery and translational AI models with real-world data, to ultimately empower precision medicine for children.

연구 동기 및 목표

• 임상 의사결정 지원를 위한 AI 모델 훈련을 위해 대규모 실생활 소아 뇌영상 데이터셋의 부족을 해결하기 위해.
• 소아 뇌 및 척수 종양에서 여전히 소아 암 관련 사망의 주요 원인인 정기적으로 수집되는 방사선 영상 데이터의 활용 부족을 해결하기 위해.
• 종단적 소아 뇌종양 환자를 대상으로 임상, 영상, 병리학 및 분자 생물학 데이터를 통합한 종합적인 다중 모odal 데이터셋을 구축하기 위해.
• NCI 소아암 데이터 이니셔티브를 통해 탈식별화된 고품질 영상 데이터를 공개함으로써 정밀의료 도구 개발을 지원하기 위해.
• 다양한 기관과 종양 아형을 포함한 실생활 임상 데이터를 활용하여 강력하고 일반화 가능한 AI 모델 개발을 지원하기 위해.

제안 방법

• 데이터셋은 Children's Brain Tumor Network 내 여러 기관에서 표준 치료 관행 과정 동안 수집된 23,101개의 다중 매개변수 MRI 검사에서 편성되었다.
• 영상 데이터에는 T1, T2, FLAIR, DWI 및 대조 강화 시퀀스가 포함되어 있으며, 각 기관 간 일관성을 확보하기 위해 촬영 프로토콜이 표준화되었다.
• 환자 수준의 임상 정보, 디지털 전체 슬라이드 병리 영상 및 유전체 및 옴믹스 데이터는 다중 모달 분석을 위해 영상 연구에 연결되었다.
• 370명의 환자로부터의 치료 이력이 없는 MRI 스캔은 NCI 소아암 데이터 서비스를 통해 사전 처리되어 데이터 품질과 사용 가능성을 확보하였다.
• 데이터 정제 및 공개 과정은 윤리적 기준과 개인정보 보호 기준을 준수하였으며, 기관 심의위원회(IRB) 지침에 부합하였다.
• 이 데이터셋은 NCI 소아암 데이터 이니셔티브를 통해 공개되어 재현 가능 연구 및 AI 모델 개발을 촉진한다.

실험 결과

연구 질문

• RQ1 대규모 다기관 소아 뇌 MRI 데이터셋은 소아 신경종양학 분야에서 AI 모델 개발에 어떻게 기여할 수 있는가?
• RQ2 영상, 병리학, 유전체학 데이터를 통합한 다중 모달 데이터의 통합은 종양 행동 또는 치료 반응 예측 성능에 어떤 영향을 미치는가?
• RQ3 일상 임상 관행에서 수집된 실생활 임상 MRI 데이터는 소아 뇌종양 환자에서 강력하고 일반화 가능한 AI 시스템을 훈련시키는 데 효과적으로 활용될 수 있는가?
• RQ4 환자의 개인정보와 데이터 품질을 유지하면서 대규모 다기관 소아 영상 데이터셋을 정제하고 공개하는 데 있어 핵심 과제와 요구사항은 무엇인가?
• RQ5 종단적 영상 데이터는 소아 뇌종양 환자에서 종양 진행 상황과 치료 반응을 이해하는 데 어떻게 기여하는가?

주요 결과

• 이 데이터셋은 1,526명의 소아 뇌종양 환자로부터 수집된 23,101건의 다중 매개변수 MRI 검사로 구성되어 있다.
• 중요한 환자 집단에서 종단적 영상 데이터를 확보하여 종양 진행 상황과 치료 반응의 시간적 분석이 가능하다.
• 370명의 환자로부터의 치료 이력이 없는 MRI 스캔은 NCI 소아암 데이터 서비스를 통해 사전 처리되어 데이터 품질과 사용 가능성을 확보하였다.
• 임상, 병리학 및 옴믹스 데이터를 통합하여 다중 모달 연구 및 모델 훈련을 가능하게 한다.
• 이 데이터는 NCI 소아암 데이터 이니셔티브를 통해 공개되어 재현 가능하고 협업 기반 연구를 지원한다.
• 이 이니셔티브는 실생활 임상 데이터를 활용한 인공지능 기반 발견과 정밀의료의 가속화를 위한 기반을 마련한다.