Robust Cross-vendor Mammographic Texture Models Using Augmentation-based Domain Adaptation for Long-term Breast Cancer Risk

要約

目的乳がん検診のリスク層別化は，早期発見と効率性を向上させるが，その一方で，検診の質を低下させる可能性がある．しかし，最新のマンモグラフィを用いたリスクモデルは，ベンダー間の適応が保証されておらず，また，短期リスクに関連する癌前駆体に依存しているため，長期リスク評価を制限する可能性がある．我々は、長期的なリスクのためのベンダーの横断的なマンモグラフィーのテクスチャモデルを報告する。アプローチ2つの系統的にデザインされた症例対照データセットを用いて、テクスチャーモデルをロバストにトレーニングした。将来の乳がんを示唆するテクスチャの特徴は、診断された/悪性の可能性があるサンプルをトレーニングから除外することによって学習された。マンモグラフィービューの味付けに基づく拡張ベースのドメイン適応技術により、ベンダーのドメインを超えた汎化が保証された。このモデルは，連続検診を受けたデンマーク人女性 66,607 名（Siemens 製フレーバー付きビュー），オランダ人女性 25,706 名（Hologic 製ビュー）で検証された．性能は，スクリーニングから 2 年以内のインターバル癌（IC）と，スクリーニングから 2 年後の長期癌（LTC）について評価された．テクスチャーモデルと確立されたリスクファクターを組み合わせて、最もリスクの高い女性10％にフラグを立てた。結果デンマーク人女性では、テクスチャーモデルは、ICとLTCについてそれぞれ0.71と0.65の受信者動作特性下面積（AUC）を達成した。Hologic処理ビューを持つオランダ人女性では、AUCは味付けビューを持つデンマーク人女性におけるAUCと変わらなかった。テクスチャーと確立された危険因子を組み合わせた場合のAUCは、LTCで0.68に増加した。高リスクと判定された10％の女性は、ICの25.5％、LTCの24.8％を占めた。結論Textureモデルは、未知の加工されたベンダードメインに適応しながら、長期的な乳がんリスクを強固に推定し、臨床的に関連する高リスクのサブグループを特定した。

要約(オリジナル)

Purpose: Risk-stratified breast cancer screening might improve early detection and efficiency without comprising quality. However, modern mammography-based risk models do not ensure adaptation across vendor-domains and rely on cancer precursors, associated with short-term risk, which might limit long-term risk assessment. We report a cross-vendor mammographic texture model for long-term risk. Approach: The texture model was robustly trained using two systematically designed case-control datasets. Textural features, indicative of future breast cancer, were learned by excluding samples with diagnosed/potential malignancies from training. An augmentation-based domain adaption technique, based on flavorization of mammographic views, ensured generalization across vendor-domains. The model was validated in 66,607 consecutively screened Danish women with flavorized Siemens views and 25,706 Dutch women with Hologic-processed views. Performances were evaluated for interval cancers (IC) within two years from screening and long-term cancers (LTC) from two years after screening. The texture model was combined with established risk factors to flag 10% of women with the highest risk. Results: In Danish women, the texture model achieved an area under the receiver operating characteristic (AUC) of 0.71 and 0.65 for ICs and LTCs, respectively. In Dutch women with Hologic-processed views, the AUCs were not different from AUCs in Danish women with flavorized views. The AUC for texture combined with established risk factors increased to 0.68 for LTCs. The 10% of women flagged as high-risk accounted for 25.5% of ICs and 24.8% of LTCs. Conclusions: The texture model robustly estimated long-term breast cancer risk while adapting to an unseen processed vendor-domain and identified a clinically relevant high-risk subgroup.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL