RCC-AID: Renal Cell Carcinoma AI Dataset for Medical Imaging Research

デジタル探偵の新しいツールキット

コンピュータがスーパーパワーを持つ探偵となり、がんのような疾患に関する隠れた手がかりを見つけるために医療画像をスキャンする世界を想像してみてください。真に優れたものになるためには、これらのコンピュータの「脳」（人工知能またはAIとして知られる）は、学生が試験に合格するために何千冊もの教科書を勉強する必要があるのと同様に、何百万もの例題を使って練習する必要があります。腎細胞がん（RCC）という特定の種類の腎臓がんの世界では、医師はCTスキャン（体の内部をスライス状に見せる非常に詳細な3D X線写真）に大きく依存しています。AIが腫瘍を見つけたり、無害な液体が溜まった泡（嚢胞）と危険な固形腫瘤の違いを判別したり、さらにはがんの特定の「味（種類）」を推測したりする方法を学ぶには、パズルのすべてのピースに対して正確な輪郭を描いてくれる誰かが必要です。このプロセスは「アノテーション（注釈付け）」と呼ばれます。

しかし、大きな問題があります。公開されている医療アーカイブには多くの生のCTスキャンが存在しますが、AIに何が何であるかを正確に教える詳細な図解（アノテーション）は、欠落していたり、一貫性がなかったり、あるいはロックされて隠されていたりすることが多いのです。それは、ミステリー小説のライブラリは大量にあるのに、自分の探偵作業が正しいかどうかを確認するための「解答集」がないようなものです。これらの共有された高品質な解答集がなければ、異なる研究チームはそれぞれ独自の、互換性のないルールを作ることになり、誰が本当に優れた探偵であるかを比較することが困難になります。本論文は、このギャップを埋めるために、腎臓がん研究のための大規模なオープンソースの「解答集」を作成し、全員が同じルールに従い、同じ高品質なトレーニングデータを使用できるようにすることで、この問題を解決しようとしています。

グレート・キドニー・マップ・プロジェクト

RCC-AIDチームをご紹介します。彼らは、腎臓がんのスキャンという未踏の領域をマッピングすることに決めたデジタル地図製作者のグループです。彼らは、「TCGA」（がんデータの巨大な公開ライブラリ）には何千ものCTスキャンがある一方で、AIが学習するために必要な「ここに印あり」を示す重要な図解が欠けていることに気づきました。これを解決するために、彼らは単に推測するのではなく、AIモデルのトレーニングのための黄金基準として機能する、RCC-AID（Renal Cell Carcinoma AI Dataset）と呼ばれる大規模なオープンデータセットを構築しました。

彼らがどのようにこのデータの強奪（収集）を成し遂げたのか、その手順は以下の通りです。

良質なスキャンの探索
チームは、3つの異なる腎臓がんアーカイブから1,915個のCTスキャンの山を掘り起こすことから始めました。彼らは、画像がぼやけすぎているもの、スライスが欠けているもの、または手術後に撮影されたものを除外するなど、非常に厳選しなければなりませんでした。この初期段階のクリーニングの後、759個のスキャンが残りました。しかし、彼らはそこで止まりませんでした。彼らは、ある一種の腎臓がん（淡明細胞がん）は非常に一般的である一方、他の2種類（乳頭状細胞がんおよび嫌色素細胞がん）は稀ではあるものの扱いが難しいことを知っていました。彼らのAIが一般的なタイプのエキスパートになるだけで、希少なタイプを無視してしまうことがないように、彼らは可能な限りすべての希少なケース（乳頭状56件、嫌色素27件）を保持し、一般的な淡明細胞のケースからはランダムに200件のみを選び出しました。これは、彼らの「トレーニングクラス」にバランスの取れた生徒の混合を実現するための戦略的な動きでした。

アノテーションの組み立てライン
最終的な283個のスキャンリストが決まった後、本当の作業が始まりました。コンピュータは間違いを犯す可能性があるため、単にコンピュータに線を完璧に描かせるわけにはいきませんでした。代わりに、彼らは「ヒューマン・イン・ザ・ループ（人間が介在する）」の組み立てラインを設置しました。

1. AIの下書き: まず、自動化されたコンピュータモデルが、腎臓や塊がおそらく存在する場所をスケッチしました。
2. 学生エディター: 訓練を受けた2人の学生がエディターとして動きました。彼らはコンピュータのスケッチを確認し、明らかなエラーを修正しました。もしコンピュータが腫瘍を見逃したり、嚢胞を間違った場所に描いたりした場合は、学生がそれを修正しました。また、彼らはスキャンが実際に「造影剤増強（臓器を際立たせるための特別な染料が使用されていること）」されているかを、コンピュータでは信頼性を持ってチェックできない詳細事項として、手動で検証しなければなりませんでした。
3. 専門家スーパーバイザー: もし学生が判断に迷った場合（例えば、腫瘍の見た目が奇妙だったり、スキャンがぼやけていたりする場合）、彼らは最終的な判定を下してもらうために、経験豊富な認定放射線科医（長年の経験を持つ実在の医学的探偵）に案件を送りました。

最終的な宝箱
フィルタリング、修正、および専門家によるレビューを経て、チームは精緻化され、すぐに使用可能な129個のCTスキャン（91人の患者分）のデータセットを完成させました。

• 内訳: このコレクションには、淡明細胞ケース85件、乳頭状ケース26件、嫌色素細胞ケース18件が含まれています。
• 詳細: すべてのスキャンには「ボクセルレベル」のマップが付随しています。ボクセルとは、小さな3Dピクセルのようなものです。このデータセットは、どの3Dピクセルが腎臓に属し、どのピクセルが固形腫瘍に属し、どのピクセルが嚢胞に属するかをコンピュータに正確に伝えます。
• 多様性: 患者の年齢は26歳から82歳まで（平均56歳）と幅広く、腫瘍のサイズも極めて多様です。わずか8 mmの小さなものから、直径169 mmに達する巨大なものまであります。また、データセットは動脈相、静脈相、遅延相を含む異なる「瞬間」も捉えており、それぞれ合計26、50、53のスキャンが含まれています。

これが何を意味し、何を意味しないのか
著者たちは、このデータセットが何であり、何ではないかを非常に明確に述べています。彼らは、これが即座に病院で使用するための魔法の杖ではなく、あくまで研究ツールであることを強調しています。アノテーションは学生によって作成され、専門家によってレビューされていますが、複数の専門家間でどれほど意見が分かれるか（検者間変動）についてはテストされていません。したがって、著者らはこれらのマップを「品質管理された研究用アノテーション」として扱うよう提案しており、絶対的で揺るぎない真実として扱うことは推奨していません。また、データが主に北米のアカデミックセンターからのものであり、主に男性（91人中67人）であるため、これを用いて訓練されたAIモデルが世界中のすべての人に対して完璧に機能するとは限らないことも警告しています。

結果
このデータセットをオープンに公開することで、チームは研究者が「車輪の再発明」をするのを防ぎたいと考えています。各研究室が独自のマップを描くために数ヶ月を費やす代わりに、全員がRCC-AIDを使用してAI探偵を訓練できるのです。テスト走行において、彼らはこのデータセットを使用して、異なる種類の腎腫瘤を区別するモデルを支援しました。結果は有望であり、ラジオミクスモデル（質感やパターンを見るタイプのAI）は、嚢胞で0.93、淡明細胞で0.84、乳頭状で0.90、嫌色素細胞で0.86という高い精度を達成しました。

要約すると、RCC-AIDは、AIコミュニティに対して、腎臓がんのための共有された高品質な「解答集」を与える、大規模なオープンソースのツールボックスです。これは疾患そのものを解決するものではありませんが、将来に向けてより良く、より公平で、より信頼できるAIツールを構築するために必要な、不可欠なトレーニングの場を提供するものです。