[논문 리뷰] The EMory BrEast imaging Dataset (EMBED): A Racially Diverse, Granular Dataset of 3.5M Screening and Diagnostic Mammograms

Jiwoong Jeong, Brianna L. Vey외 14명|arXiv (Cornell University)|2022. 02. 08.

AI in cancer detection인용 수 5

한 줄 요약

EMory BrEast 영상 데이터셋(EMBED)은 116,000명의 여성으로부터 확보한 350만 장의 2차원 및 디지털 유방 단층촬영(DBT) 스크리닝 및 진단 mammogram을 포함하며, 인종적으로 다양한 구성의 자세한 데이터를 제공한다. 이 데이터셋은 백인과 아프리카계 미국인 환자 수가 균형을 이루고 있으며, 4만 건의 병변 주석과 6개의 심각도 등급으로 분류된 61개의 진단 경과 기록을 포함한다. 이 대규모이며 다양한 구성의 데이터셋은 유방암 영상 분야에서 공정하고 편향에 강한 AI 모델 개발 및 검증을 가능하게 한다.

ABSTRACT

Developing and validating artificial intelligence models in medical imaging requires datasets that are large, granular, and diverse. To date, the majority of publicly available breast imaging datasets lack in one or more of these areas. Models trained on these data may therefore underperform on patient populations or pathologies that have not previously been encountered. The EMory BrEast imaging Dataset (EMBED) addresses these gaps by providing 3650,000 2D and DBT screening and diagnostic mammograms for 116,000 women divided equally between White and African American patients. The dataset also contains 40,000 annotated lesions linked to structured imaging descriptors and 61 ground truth pathologic outcomes grouped into six severity classes. Our goal is to share this dataset with research partners to aid in development and validation of breast AI models that will serve all patients fairly and help decrease bias in medical AI.

연구 동기 및 목표

• 유방암 연구 분야에서 대규모이자 다양한 인구를 포함하며 세밀한 분석이 가능한 의료 영상 데이터셋의 부족을 보완하기 위해.
• 백인과 아프리카계 미국인 환자 간 균형 잡힌 표현을 확보하여 AI 모델의 편향을 줄이기 위해.
• 영상 특징과 임상 결과를 연결하는 세밀하고 체계적인 주석을 제공하여 모델 훈련 및 검증의 향상을 위해.
• 다양한 환자 집단에 일반화 가능한 AI 모델 개발을 지원하기 위해.

제안 방법

• 116,000명의 여성으로부터 확보한 350만 장의 2차원 및 디지털 유방 단층촬영(DBT) mammogram 수집. 백인과 아프리카계 미국인 환자 수가 균형을 이루도록 구성.
• 형태, 가장자리, 밀도 등의 구조적 영상 기술자(형태, 가장자리, 밀도 등)를 포함한 4만 건의 병변 주석 처리.
• 생검 결과 및 암 진단을 포함한 6개의 심각도 등급으로 분류된 61개의 진단 경과 기록 통합.
• 영상 촬영 프로토콜 표준화 및 환자 데이터 익명화를 통해 개인정보 보호와 연구 활용성을 확보.
• DICOM 호환 데이터 형식 및 메타데이터 태그를 사용하여 AI 프레임워크와의 상호운용성 확보.
• 윤리적이고 재현 가능한 연구를 지원하기 위해 보안 및 제한 접근 방식의 플랫폼을 통한 데이터셋 공개.

실험 결과

연구 질문

• RQ1 대규모이며 인종적으로 다양한 mammography 데이터셋이 유방암 검출에서 AI 모델의 공정성과 일반화 능력을 향상시킬 수 있는가?
• RQ2 세밀한 병변 주석과 체계적인 병리학적 결과의 포함이 모델의 해석 가능성과 성능 향상에 어떤 영향을 미치는가?
• RQ3 백인과 아프리카계 미국인 환자 간 균형 잡힌 표현이 AI 기반 스크리닝 결과의 인구 통계적 편향을 어느 정도 감소시키는가?
• RQ4 질환의 심각도와 관련하여 질환의 영상 특징, 예를 들어 종양의 형태나 가장자리 특성은 다양한 인구 집단에서 어떻게 연관되는가?
• RQ5 스크리닝 및 진단 mammogram을 모두 포함함으로써 모델의 임상 워크플로우 전반에 걸친 강건성은 어떻게 향상되는가?

주요 결과

• EMBED 데이터셋은 116,000명의 여성으로부터 확보한 350만 장의 mammogram을 포함하며, 백인과 아프리카계 미국인 환자 수가 균형을 이루고 있다.
• 세밀한 영상 기술자(형태, 가장자리, 밀도 등)를 포함한 4만 건의 병변 주석이 포함되어 있어 세분화된 모델 훈련이 가능하다.
• 61개의 진단 경과 기록이 있으며, 정확한 진단 연관성을 위해 6개의 심각도 등급으로 분류되어 있다.
• 균형 잡힌 인종 구성과 세밀한 임상 주석을 포함한 가장 큰 공개 가능한 유방 영상 자원이다.
• 2D 및 DBT 모odalities를 모두 포함하여 현재 임상 영상 관행에 적용 가능한 모델 개발을 지원한다.
• 환자 개인정보 보호를 확보하면서도 재현 가능하고 윤리적인 AI 연구를 가능하게 하기 위해 제한 접근 방식으로 설계되어 있다.