[논문 리뷰] The Brain Tumor Segmentation (BraTS) Challenge 2023: Glioma Segmentation in Sub-Saharan Africa Patient Population (BraTS-Africa)

Maruf Adewole, Jeffrey D. Rudie외 49명|arXiv (Cornell University)|2023. 05. 30.

AI in cancer detection인용 수 34

한 줄 요약

이 논문은 BraTS-Africa를 제시합니다. BraTS 2023 track은 Sub-Saharan Africa에서의 뇌종양 분할에 초점을 둔 CAD 방법을 자원 제약 조건 하에서 평가합니다.

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.

연구 동기 및 목표

• BraTS 프레임워크를 사용하여 Sub-Saharan Africa에서 최첨단 뇌종양 분할 방법의 평가를 촉진한다.
• SSA 특유의 요인(MRI 품질, 진단 시점/발현, 종양 특성)이 분할 성능에 어떤 영향을 미치는지 평가한다.
• 자원 제약이 있는 보건의료 환경에 적합한 컴퓨터 보조 진단(CAD) 도구 개발을 촉진한다.

제안 방법

• BraTS 프레임워크를 확장하여 SSA 뇌종양 사례를 포함한다.
• CAD 방법을 개발하고 테스트하기 위해 SSA 데이터 기여자 참여를 장려한다.
• 다양한 SSA 영상 조건에서 뇌종양의 탐지, 특성화, 분할에 초점을 맞춘다.
• LMIC에서 뇌종양 치료를 혁신할 수 있는 CAD 도구의 잠재력을 강조한다.

실험 결과

연구 질문

• RQ1 최첨단 BraTS 분할 방법이 낮은 영상 품질의 Sub-Saharan Africa MRI 데이터에 일반화될 수 있는가?
• RQ2 SSA 특유의 종양 특성과 영상 제한이 뇌종양 분할 성능에 어떤 영향을 미치는가?
• RQ3 자원 제약이 있는 SSA 환경에서 CAD 도구가 진단 및 치료 계획을 개선할 잠재력이 있는가?

주요 결과

• BraTS-Africa는 SSA 뇌종양 사례를 전 세계 BraTS 연구에 포함시킬 수 있는 독특한 기회를 제공합니다.
• 이 도전은 자원이 제한된 환경에서 뇌종양의 탐지 및 특성화에 대한 CAD 방법을 개발하고 평가하는 것을 목표로 합니다.
• SSA 특유의 영상 품질 및 진단 패턴이 평가 프레임워크의 일부로 간주됩니다.
• 본 연구는 SSA 조건에 맞춘 CAD 도구를 통한 보건의료 개선 가능성을 강조합니다.