CancerUniT: Towards a Single Unified Model for Effective Detection, Segmentation, and Diagnosis of Eight Major Cancers Using a Large Collection of CT Scans

要約

人間の読影者や放射線科医は臨床現場で日常的に全身、多臓器、多疾患の検出と診断を行っていますが、ほとんどの医療 AI システムは少数の疾患の狭いリストを含む単一臓器に焦点を当てるように構築されています。
これにより、AI の臨床導入が大幅に制限される可能性があります。
人間が CT スキャンを読み取る診断プロセスと一致させるには、一定数の AI モデルを確実に組み立てる必要があります。
この論文では、CT スキャンで 8 つの主要ながんの腫瘍の存在と位置を共同検出し、腫瘍の特徴を診断するための Unified Tumor Transformer (CancerUniT) モデルを構築します。
CancerUniT は、複数腫瘍予測の出力を備えたクエリベースのマスク トランスフォーマー モデルです。
オブジェクト クエリを臓器クエリ、腫瘍検出クエリ、腫瘍診断クエリに分離し、さらに 3 つのグループ間の階層関係を確立します。
この臨床にヒントを得たアーキテクチャは、腫瘍の臓器間および臓器内表現の学習を効果的に支援し、解剖学的に関連する複雑な多臓器がん画像読み取りタスクの解決を促進します。
CancerUniT は、8 種類の主要ながんおよび発生中の非がん腫瘍を含む 10,042 人の患者の精選された大規模 CT 画像を使用してエンドツーエンドでトレーニングされます（すべての画像は、放射線科医によって注釈が付けられた 3D 腫瘍マスクで病理が確認されています）。
631 人の患者のテストセットにおいて、CancerUniT は一連の臨床関連の評価指標の下で優れたパフォーマンスを実証し、腫瘍の検出、セグメンテーション、診断において多疾患法および 8 つの単一臓器エキスパート モデルのアセンブリの両方を大幅に上回りました。
これにより、汎用の高性能がんスクリーニング ツールに一歩近づきます。

要約(オリジナル)

Human readers or radiologists routinely perform full-body multi-organ multi-disease detection and diagnosis in clinical practice, while most medical AI systems are built to focus on single organs with a narrow list of a few diseases. This might severely limit AI’s clinical adoption. A certain number of AI models need to be assembled non-trivially to match the diagnostic process of a human reading a CT scan. In this paper, we construct a Unified Tumor Transformer (CancerUniT) model to jointly detect tumor existence & location and diagnose tumor characteristics for eight major cancers in CT scans. CancerUniT is a query-based Mask Transformer model with the output of multi-tumor prediction. We decouple the object queries into organ queries, tumor detection queries and tumor diagnosis queries, and further establish hierarchical relationships among the three groups. This clinically-inspired architecture effectively assists inter- and intra-organ representation learning of tumors and facilitates the resolution of these complex, anatomically related multi-organ cancer image reading tasks. CancerUniT is trained end-to-end using a curated large-scale CT images of 10,042 patients including eight major types of cancers and occurring non-cancer tumors (all are pathology-confirmed with 3D tumor masks annotated by radiologists). On the test set of 631 patients, CancerUniT has demonstrated strong performance under a set of clinically relevant evaluation metrics, substantially outperforming both multi-disease methods and an assembly of eight single-organ expert models in tumor detection, segmentation, and diagnosis. This moves one step closer towards a universal high performance cancer screening tool.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google