ONCOPILOT: A Promptable CT Foundation Model For Solid Tumor Evaluation

要約

発がんはタンパク質現象であり、腫瘍がさまざまな場所に発生し、複雑で多様な形状を示します。
研究と臨床実践の重要な交差点では、正確かつ柔軟な評価が求められます。
しかし、RECIST 1.1の長軸および短軸測定などの現在のバイオマーカーは、腫瘍量のおおよその推定値と、より複雑なプロセスの単純化した表現を提供するだけで、この複雑さを捉えるには至っていません。
さらに、既存の教師あり AI モデルは、腫瘍の症状の多様性に対処するという課題に直面しており、臨床での有用性が制限されています。
これらの制限は、注釈が不足していることと、モデルが狭く定義されたタスクに焦点を当てていることから生じます。
これらの課題に対処するために、当社は正常な解剖学的構造と幅広い腫瘍学的症例の両方から全身をカバーする約 7,500 件の CT スキャンでトレーニングされたインタラクティブな放射線基礎モデル ONCOPILOT を開発しました。
ONCOPILOT は、ポイントクリックや境界ボックスなどの視覚的なプロンプトを使用して 3D 腫瘍セグメンテーションを実行し、最先端のモデル (nnUnet など) を上回るパフォーマンスを発揮し、RECIST 1.1 測定で放射線科医レベルの精度を達成します。
この基礎モデルの主な利点は、放射線科医の情報を常に把握しながら最先端のパフォーマンスを上回る能力であり、以前のモデルでは達成できなかった能力です。
放射線科医がインタラクティブにセグメンテーションを調整すると、精度がさらに向上します。
ONCOPILOT はまた、測定プロセスを加速し、リーダー間のばらつきを低減し、体積分析を容易にし、より深い洞察のための新しいバイオマーカーを解き放ちます。
この AI アシスタントは、放射線医学のワークフローにシームレスに統合しながら、RECIST 1.1 測定の精度を向上させ、体積バイオマーカーの可能性を解き放ち、患者の層別化と臨床ケアを向上させることが期待されています。

要約(オリジナル)

Carcinogenesis is a proteiform phenomenon, with tumors emerging in various locations and displaying complex, diverse shapes. At the crucial intersection of research and clinical practice, it demands precise and flexible assessment. However, current biomarkers, such as RECIST 1.1’s long and short axis measurements, fall short of capturing this complexity, offering an approximate estimate of tumor burden and a simplistic representation of a more intricate process. Additionally, existing supervised AI models face challenges in addressing the variability in tumor presentations, limiting their clinical utility. These limitations arise from the scarcity of annotations and the models’ focus on narrowly defined tasks. To address these challenges, we developed ONCOPILOT, an interactive radiological foundation model trained on approximately 7,500 CT scans covering the whole body, from both normal anatomy and a wide range of oncological cases. ONCOPILOT performs 3D tumor segmentation using visual prompts like point-click and bounding boxes, outperforming state-of-the-art models (e.g., nnUnet) and achieving radiologist-level accuracy in RECIST 1.1 measurements. The key advantage of this foundation model is its ability to surpass state-of-the-art performance while keeping the radiologist in the loop, a capability that previous models could not achieve. When radiologists interactively refine the segmentations, accuracy improves further. ONCOPILOT also accelerates measurement processes and reduces inter-reader variability, facilitating volumetric analysis and unlocking new biomarkers for deeper insights. This AI assistant is expected to enhance the precision of RECIST 1.1 measurements, unlock the potential of volumetric biomarkers, and improve patient stratification and clinical care, while seamlessly integrating into the radiological workflow.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google