Khái niệm cốt lõi
본 연구는 피부 흑색종성 병변의 진단 효율성을 향상시키기 위해 H&E 염색 전체 슬라이드 이미지(WSIs)를 기반으로 하는 인공지능(AI) 모델을 개발하고 검증하여, AI 기반 분류 시스템이 병리학 워크플로에 상당한 효율성 향상을 가져올 수 있음을 시사합니다.
Tóm tắt
피부 흑색종성 병변의 인공지능 기반 분류 연구 논문 요약
피부 흑색종은 미국과 네덜란드 모두에서 다섯 번째로 흔한 암으로, 높은 전이 위험으로 인해 조기 진단 및 치료가 중요합니다.
흑색종성 피부 병변은 양성(모반), 중간 (멜라닌세포종), 악성(흑색종)으로 다양하며, 대부분 현미경 검사만으로 진단 가능하지만, 일부 아형은 감별 진단이 어려워 면역조직화학염색(IHC)이나 분자 검사가 필요한 경우도 있습니다.
병리학자의 업무량 증가와 더불어 포괄적인 진단의 필요성이 증가함에 따라, 업무 최적화를 위한 인공지능(AI) 모델의 필요성이 대두되고 있습니다.
본 연구에서는 H&E 염색 전체 슬라이드 이미지(WSIs)를 기반으로 피부 흑색종성 병변을 분류하는 AI 모델을 개발하고 검증하여, 병리학자의 업무량 감소 및 환자 치료 개선에 기여하고자 합니다.
네덜란드 위트레흐트 대학 의료센터의 내부 데이터 세트(2013년 1월 1일부터 2020년 12월 31일까지)를 사용하여 후향적 코호트 연구를 수행했습니다.
흑색종성 병변이 있는 모든 병리 보고서를 데이터베이스에서 검색하고, 수동으로 검토하여 각 검체에 대한 별도의 보고서로 분했습니다.
점막 또는 포도막 흑색종 검체는 제외하고, 나머지 검체에 대해 진단 코드를 수동으로 확인하고 수정했습니다.
각 검체에 대해 고유한 H&E 염색 슬라이드의 모든 WSI를 포함하고, Aperio ScanScope XT 스캐너 또는 Hamamatsu Nanozoomer 2.0-XR 스캐너를 사용하여 이미지를 획득했습니다.
흑색종성 병변을 진단 코드를 기반으로 분류하여, 일반적인 모반(접합, 진피, 복합)은 저복잡도 범주로, 다른 모든 흑색종성 병변 아형(비정형 모반, 멜라닌세포종, 흑색종)은 고복잡도 범주로 분류했습니다.
데이터 세트를 환자 수준에서 모델 개발을 위한 세트와 평가를 위한 세트로 나누고, 개발 세트는 5개의 하위 그룹으로 나누어 교차 검증했습니다.
테스트 세트는 개발 세트와 동일한 분포를 반영하는 모든 검체와 모델의 견고성을 연구하기 위해 따로 분류해 놓은 비흑색종성 피부 병리를 가진 모든 검체의 두 부분으로 나누었습니다.
Hierarchical Image Pyramid Transformer (HIPT)를 기반으로 특징 표 representation을 구축하고, DINO를 사용하여 TCGA의 10,678개 WSI 데이터 세트에서 추출한 타일로 ViT를 훈련했습니다.
흑색종성 병변 개발 세트의 모든 검체에 대해 추출된 특징 벡터를 사용하여 HIPT 모델의 세 번째 ViT를 훈련했습니다.
훈련은 다섯 번 반복되었으며, 각각 검증을 위해 다른 하위 그룹을 사용하고 나머지 네 개의 하위 그룹은 훈련에 사용했습니다.
교차 엔트로피 손실을 최소화하여 AdamW 최적화 알고리즘을 사용하여 무작위로 초기화된 매개변수에서 1,000,000회 반복하여 모델을 훈련했습니다.
Pytorch 프레임워크에서 모델 및 훈련 절차를 구현했습니다.
추론 시 다섯 가지 모델 인스턴스로 예측된 확률을 평균하여 모델 앙상블 예측을 얻었습니다.