[논문 리뷰] A Study of Deep Learning Colon Cancer Detection in Limited Data Access Scenarios

Apostolia Tsirikoglou, Karin Stacke외 3명|arXiv (Cornell University)|2020. 05. 20.

AI in cancer detection참고 문헌 3인용 수 4

한 줄 요약

이 연구는 제한된 라벨이 부여된 데이터를 가진 림프절에서 전이 학습 전략을 활용하여 심장암 전이 여부를 식별하기 위한 딥러닝 기반 방법을 조사한다. 주로 대장암 원발 병소 또는 유방암 데이터를 활용함으로써(사이클-GAN을 통한 도메인 적응 여부에 따라), 전체 림프절 데이터셋으로 훈련한 모델와 비교할 만한 성능을 달성하며, 조직 간 및 암 종 간 데이터가 조직병리학 인공지능에서 데이터 부족 문제를 효과적으로 완화시킬 수 있음을 보여준다.

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.

연구 동기 및 목표

• 전이된 림프절 데이터가 부족한 대장암 전이 여부 탐지 문제를 해결한다.
• 림프절 데이터가 부족할 경우 원발 대장암 병소 또는 다른 기관의 암 데이터가 효과적인 데이터 소스가 될 수 있는지 조사한다.
• 사이클-GAN을 활용한 도메인 적응이 유방암 조직병리학을 대장암 형태로 정렬함으로써 성능 향상에 기여하는지 평가한다.
• 림프절 외부 데이터 소스에서의 전이 학습이 낮은 데이터 환경에서 모델 성능 향상에 기여하는지 평가한다.
• 디지털 병리학에서 진단 성능을 유지하면서도 라벨링 부담을 줄일 수 있는 실용적인 데이터 전략을 탐색한다.

제안 방법

• 패치 수준 분류를 위해 3개의 컨볼루션 계층과 완전 연결 계층을 갖춘 CNN을 훈련시켰다.
• 각 폴드 간 데이터 독립성을 확보하기 위해 환자 수준의 훈련/테스트 분할(32/5명)을 사용했다.
• 라벨링 노력 수준을 세 가지로 평가: 고(전체 림프절 데이터), 저(원발 병소만), 중(원발 병소 + 소수의 림프절 환자).
• CAMELYON17 유방암 데이터셋에서 유래한 패치(50장의 전체 슬라이드, 43명의 환자)를 사용해 훈련 데이터를 증강했다.
• 유방암 조직을 대장암 형태로 변환하기 위해 사이클-GAN을 적용하여 도메인 정렬을 향상시켰다.
• 모든 데이터셋을 패치 수준에서 균형 잡혀 있도록 조정하여 종양 및 비종양 샘플 간 균형을 확보했다.

실험 결과

연구 질문

• RQ1 림프절 데이터가 부족한 상황에서 원발 대장암 병소를 림프절에서의 전이 대장암 탐지 훈련을 위한 대체 자료로 사용할 수 있는가?
• RQ2 다른 암 종(예: 유방암)에서의 지식 전이가 낮은 데이터 환경에서 림프절 전이 탐지 성능 향상에 기여하는가?
• RQ3 사이클-GAN을 통한 도메인 적응이 유방암 조직에서 대장암 조직으로의 전이 시 성능 향상에 기여하는가?
• RQ4 림프절 데이터 부족 상황에서 라벨링 노력 수준(고, 중, 저)에 따라 성능은 어떻게 변화하는가?
• RQ5 외부 암 데이터셋을 활용한 데이터 증강이 전체이지만 국소적인 림프절 데이터셋만으로 훈련한 것보다 성능을 뛰어나게 할 수 있는가?

주요 결과

• 소규모 림프절 데이터셋에 원발 대장암 패치를 추가로 증강함으로써 모델 성능이 크게 향상되었으며, 특히 중간 라벨링 노력 수준에서 전체 지역 림프절 대장암 데이터셋(LNCO)으로만 훈련한 기준 모델의 성능을 초월했다.
• CAMELYON17 유방암 데이터를 훈련 세트에 추가함으로써 모든 라벨링 노력 수준에서 성능 향상이 지속적으로 관찰되었으며, 중간 노력 수준 설정에서 전체 LNCO 데이터셋 전용 기준 모델의 성능을 초월했다.
• 사이클-GAN 기반의 도메인 적응(유방암 → 대장암 조직)은 성능 향상에 기여하지 못했으며, 오히려 성능 저하를 초래했을 가능성이 높다. 이는 GAN 훈련에 필요한 데이터가 부족했기 때문일 것이다.
• 중간 노력 수준 설정에서 LNCO의 원발 병소 데이터의 25%와 림프절 환자 2명의 데이터만으로도 높은 패치 수준 정확도를 달성했다.
• 결과적으로 조직 간 및 암 종 간 데이터 전이가 대장암 전이 탐지의 낮은 데이터 환경에서 실현 가능하고 효과적임을 입증했다.
• 기존의 다른 암 종에서의 라벨이 부여된 조직병리학 데이터를 활용해 대규모 목표 도메인(림프절) 데이터가 없더라도 고성능 모델을 훈련시킬 수 있음을 보여주었다.