[論文レビュー] A multi-institutional pediatric dataset of clinical radiology MRIs by the Children's Brain Tumor Network

Ariana Familiar, Anahita Fathi Kazerooni+38 more|PubMed|Oct 2, 2023

Glioma Diagnosis and Treatment参考文献 37被引用数 6

ひとこと要約

本論文は、子供の脳腫瘍を有する1,526名の患者から収集された23,101件のマルチパラメトリックMRIを含む大規模かつ多施設にまたがる小児MRIデータセットを紹介する。このデータセットは、子供の脳腫瘍ネットワークを通じて通常臨床的ケアの過程で収集されたものであり、縦断的画像、臨床データ、病理スライド、オミクス情報が含まれており、治療ナーブな画像はNCIの小児がんデータイニシャチブを通じて公開され、小児神経腫瘍学におけるAI駆動型精密医療の促進を図っている。

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.

研究の動機と目的

• AIモデルの臨床的意思決定支援のためのトレーニングに用いる、大規模で現実的ないくらかの小児神経画像データセットが不足しているという深刻な課題に対処すること。
• 小児の脳および脊髄がんにおいて、日常的に行われる放射線画像データが未だに十分に活用されていないという問題を克服すること。これは、小児のがん死の主な原因のままである。
• 縦断的小児脳腫瘍患者を対象とした、臨床的、画像的、病理的、分子的データを統合した包括的かつマルチモodalなデータセットを構築すること。
• NCIの小児がんデータイニシャチブを通じて、匿名化され高品質な画像データを公開することで、精度医療ツールの開発を可能にすること。
• 多施設および腫瘍亜型にわたり多様な環境をカバーする現実の臨床データを用いて、強固で一般化可能なAIモデルの構築を支援すること。

提案手法

• 本データセットは、子供の脳腫瘍ネットワークに参加する複数の施設で、標準的臨床プロトコルに従って収集された23,101件のマルチパラメトリックMRI検査から構成された。
• 画像データにはT1、T2、FLAIR、DWI、および造影剤使用画像が含まれており、各施設間でプロトコルを標準化することで一貫性を確保した。
• 患者レベルの臨床情報、デジタル全スライド病理画像、遺伝子およびオミクスデータが、画像検査にリンクされ、マルチモーダル解析が可能となった。
• 370名の被験者からの治療ナーブなMRIスキャンは事前処理され、NCIの小児がんデータサービスを通じて公開され、データ品質と利用可能性を確保した。
• データキュレーションおよび公開は、倫理的およびプライバシー基準に従い、匿名化および機関レビュー委員会（IRB）プロトコルに準拠した。
• 本データセットは、NCIの小児がんデータイニシャチブを通じて公開され、再現性のある研究およびAIモデル開発を促進する。

実験結果

リサーチクエスチョン

• RQ1 大規模かつ多施設にまたがる小児MRIデータセットは、小児神経腫瘍学におけるAIモデルの開発をどのように改善するか？
• RQ2 画像、病理、ゲノムを統合したマルチモーダルデータの統合は、腫瘍の行動や治療反応を予測するAIモデルの性能にどのような影響を与えるか？
• RQ3 通常のケアで得られる現実の臨床的MRIデータは、小児脳腫瘍における強固で一般化可能なAIシステムのトレーニングに効果的に利用可能か？
• RQ4 患者のプライバシーとデータ品質を保ちながら、大規模かつ多施設の小児画像データセットをキュレーションおよび公開するにあたり、主な課題と要件は何か？
• RQ5 縦断的画像データは、小児脳腫瘍患者における腫瘍の進行や治療反応の理解にどのように寄与するか？

主な発見

• 本データセットは、1,526名の小児脳腫瘍患者から得られた23,101件のマルチパラメトリックMRI検査を含む。
• 患者の顕著なサブセットに対して縦断的画像データが利用可能であり、腫瘍の進行や治療反応の時間的分析が可能となった。
• 370名の被験者からの治療ナーブなMRIスキャンは事前処理され、NCIの小児がんデータサービスを通じて公開され、データ品質と利用可能性が確保された。
• 本データセットは、臨床的、病理的、オミクスデータを統合しており、マルチモーダル研究およびモデルトレーニングを可能にしている。
• データはNCIの小児がんデータイニシャチブを通じて公開されており、再現性があり協働的な研究を支援している。
• 本イニシャチブは、現実の臨床データを活用したAI駆動型発見および小児神経腫瘍学における精密医療の促進の基盤を築いた。