[论文解读] Automated deep-learning system for Gleason grading of prostate cancer using biopsies: a diagnostic study

Wouter Bulten, Hans Pinckaers+7 more|arXiv (Cornell University)|Feb 1, 2020

AI in cancer detection参考文献 33被引用 110

一句话总结

本研究提出了一种全自动深度学习系统，用于前列腺癌活检的格里森分级，基于1,243名患者的5,834份活检样本采用半自动标注方法。该系统与参考标准具有高度一致性，并在对比观察者实验中优于15名病理学家中的10名，表明其作为第一或第二名读片者的潜力，可减少观察者间差异。

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.

研究动机与目标

• 解决前列腺癌活检格里森评分中的高观察者间差异问题。
• 开发一种使用全切片图像的全自动深度学习系统，用于格里森分级。
• 通过采用半自动标注技术，减少对耗时的人工病理学家标注的依赖。
• 评估该系统相对于参考标准的性能，并与人类病理学家进行比较。

提出的方法

• 该系统在来自1,243名患者的5,834份前列腺活检全切片图像上进行训练。
• 采用半自动标注技术生成训练标签，最大限度减少病理学家的完全手动标注。
• 使用深度学习模型（很可能是卷积神经网络，CNN）从组织病理学图像中学习特征，以实现格里森分级。
• 通过参考标准对模型进行验证，性能通过一致性度量进行评估。
• 开展了对比观察者实验，将深度学习系统与15名病理学家在活检分级任务上进行对比。
• 在全切片图像上执行模型推理，以高空间分辨率预测格里森评分。

实验结果

研究问题

• RQ1 全自动深度学习系统能否在前列腺活检的格里森分级中与参考标准达到高度一致性？
• RQ2 半自动标注方法是否能在无需完全手动标注的情况下，实现高效且准确的模型训练？
• RQ3 该深度学习系统在分级一致性和准确性方面是否优于人类病理学家？
• RQ4 在受控观察者实验中，该系统相对于专家病理学家的性能如何？

主要发现

• 深度学习系统与参考标准具有高度一致性，表明其在格里森分级中具有极强的可靠性。
• 在对比观察者实验中，该系统优于15名病理学家中的10名，显示出更优的一致性和准确性。
• 半自动标注方法有效减少了对完全手动标注的需求，同时保持了标签质量。
• 该系统有望作为第一或第二名读片工具，以提高前列腺癌的预后准确性。