Efficacy of MRI data harmonization in the age of machine learning. A multicenter study across 36 datasets

要約

タイトル：機械学習の時代におけるMRIデータ調和の有効性。36データセットを対象としたマルチセンター研究

要約：
– 複数のサイトから公開されたMRIデータをプーリングすることで、多数の被験者グループを作成し、統計的な力を増し、機械学習技術によるデータ再利用を促進することができる。
– マルチセンターデータの調和は、データ内の非生物学的変動要因に関連した混乱効果を減らすために必要である。
– しかし、機械学習の前に全データセットに適用する場合、調和はデータ漏洩を引き起こす。つまり、トレーニングセット外の情報がモデル構築に影響を与え、性能を誤って高く評価する可能性がある。
– 我々は次の2つを提案する。1)データ調和の有効性の計測法 2) Harmonizer transformer。ComBat調和の実装を含め、機械学習パイプラインの前処理ステップの一つとしてカプセル化することができ、データ漏洩を回避できる。
– 我々は、36のサイトで取得された1740人の健康な被験者から脳T1重み付けMRIデータを使用してこれらのツールをテストした。調和後、サイト効果が除去または軽減され、MRIデータから個人の年齢を予測する際にデータ漏洩効果が観察された。Harmonizer transformerを機械学習パイプラインに組み込むことで、データ漏洩を回避することができることが示された。

要約(オリジナル)

Pooling publicly-available MRI data from multiple sites allows to assemble extensive groups of subjects, increase statistical power, and promote data reuse with machine learning techniques. The harmonization of multicenter data is necessary to reduce the confounding effect associated with non-biological sources of variability in the data. However, when applied to the entire dataset before machine learning, the harmonization leads to data leakage, because information outside the training set may affect model building, and potentially falsely overestimate performance. We propose a 1) measurement of the efficacy of data harmonization; 2) harmonizer transformer, i.e., an implementation of the ComBat harmonization allowing its encapsulation among the preprocessing steps of a machine learning pipeline, avoiding data leakage. We tested these tools using brain T1-weighted MRI data from 1740 healthy subjects acquired at 36 sites. After harmonization, the site effect was removed or reduced, and we showed the data leakage effect in predicting individual age from MRI data, highlighting that introducing the harmonizer transformer into a machine learning pipeline allows for avoiding data leakage.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI