[논문 리뷰] Automated deep-learning system for Gleason grading of prostate cancer using biopsies: a diagnostic study

Wouter Bulten, Hans Pinckaers외 7명|arXiv (Cornell University)|2020. 02. 01.

AI in cancer detection참고 문헌 33인용 수 110

한 줄 요약

이 연구는 1,243명의 환자에서 확보한 5,834개의 생검 조직에서 반자동 레이블링 방법을 사용해 전적으로 자동화된 딥러닝 시스템을 제안한다. 이 시스템은 기준 기준과 높은 일치도를 보이며, 비교 관찰자 실험에서 15명의 병리의사 중 10명을 능가하여 관찰자 간 변동성을 줄이는데 잠재력을 보여준다.

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.

연구 동기 및 목표

• 전립선 생검의 Gleason 점수 매기기에서 높은 관찰자 간 변동성을 해결하기 위해.
• 전체 슬라이드 이미지를 사용하여 전적으로 자동화된 딥러닝 시스템을 개발하기 위해.
• 반자동 레이블링 기법을 활용해 수작업 병리의사 레이블링에 의존도를 낮추기 위해.
• 기준 기준과의 성능 평가 및 인간 병리의사와의 비교를 통해 시스템의 성능을 평가하기 위해.

제안 방법

• 시스템은 1,243명의 환자에서 확보한 5,834개의 전립선 생검 전체 슬라이드 이미지로 훈련되었다.
• 훈련 레이블 생성을 위해 반자동 레이블링 기법을 사용하여 병리의사의 전면 수작업 레이블링을 최소화했다.
• 히스토파일로지컬 이미지에서 특징을 학습하기 위해 딥러닝 모델(일반적으로 합성곱 신경망(CNN))을 사용했다.
• 성능 평가를 위해 일치도 지표를 사용하여 기준 기준을 기반으로 모델을 검증했다.
• 딥러닝 시스템과 15명의 병리의사를 대비하여 생검 등급 매기기 작업에서 비교 관찰자 실험을 실시했다.
• 고해상도 공간 해상도를 유지하면서 전체 슬라이드 이미지에서 모델 추론을 수행하여 Gleason 점수를 예측했다.

실험 결과

연구 질문

• RQ1 전적으로 자동화된 딥러닝 시스템이 전립선 생검의 Gleason 등급 매기기에서 기준 기준과 높은 일치도를 달성할 수 있는가?
• RQ2 반자동 레이블링 방법이 전면 수작업 레이블링 없이도 효율적이고 정확한 모델 훈련을 가능하게 하는가?
• RQ3 딥러닝 시스템이 등급 매기기 일관성과 정확성 측면에서 인간 병리의사를 능가할 수 있는가?
• RQ4 통제된 관찰자 실험에서 시스템의 성능은 전문 병리의사와 비교해 어떠한가?

주요 결과

• 딥러닝 시스템은 기준 기준과 높은 일치도를 보이며, Gleason 등급 매기기에서 강력한 신뢰성을 나타냈다.
• 비교 관찰자 실험에서 시스템은 15명의 병리의사 중 10명을 능가하여 뛰어난 일관성과 정확성을 입증했다.
• 반자동 레이블링 방법은 레이블 품질을 유지하면서도 전면 수작업 레이블링의 필요성을 효과적으로 줄였다.
• 이 시스템은 전립선 암의 예후 정확도를 향상시키기 위해 첫 번째 또는 두 번째 독자 도구로 잠재력을 보여준다.