The PAR dataset: Prostate biopsy whole slide images from an underrepresented Middle Eastern population
이 논문은 중동 지역 데이터의 부족을 해결하고 디지털 병리학 분야에서 AI 모델의 일반화 능력을 향상시키기 위해, 이라크 에르빌의 환자 185명으로부터 수집된 글리슨 점수(Gleason scores)와 ISUP 등급이 주석 처리된 1,017개의 전립선 생검 전체 슬라이드 이미지로 구성된 공개 데이터셋인 PAR 데이터셋을 소개한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
인체를 거대하고 북적이는 도시라고 상상해 보세요. 그 도시 안에서 모든 세포는 작은 일꾼입니다. 때때로 몇몇 일꾼들이 규칙을 따르는 대신 무질서하고 위험한 구조물을 짓기 시작하며 탈선하곤 합니다. 이것이 바로 암입니다. 이 문제아들을 조기에 잡아내기 위해, 의사들은 아주 작은 조직 샘편을 채취하여 색깔 있는 염료로 염색한 뒤 강력한 현미경으로 관찰합니다. 이것을 병리학이라고 부릅니다. 오랫동안 이 작업은 오직 인간의 눈에 의해서만 수행되어 왔지만, 이제 우리는 컴퓨터에게도 이 화려한 지도들을 보는 법을 가르치고 있습니다. 이것이 디지털 병리학에서의 인공지능(AI)입니다. 만약 우리가 컴퓨터에게 탈선한 일꾼들을 찾아내는 법을 가르칠 수 있다면, 컴퓨터가 의사들이 더 빠르고 정확하게 진단을 내릴 수 있도록 도울 수 있다는 아이디어입니다. 하지만 여기에는 함정이 있습니다. 우리가 컴퓨터를 가르치기 위해 사용하는 대부분의 '훈련 매뉴얼'은 세계의 단 한 지역 출신인 사람들에 의해 작성되었습니다. 만약 컴퓨터가 한 종류의 도시 사진만을 보고 학습한다면, 그 도시와 조금 다르게 생긴 도시를 보았을 때 혼란에 빠질 수 있습니다. 우리는 우리의 디지털 탐정들이 소수의 선택된 사람들만이 아니라 '모두'를 위해 준비되도록 만들어야 합니다.
이것이 바로 연구진이 PAR 데이터셋이라는 새로운 프로젝트를 통해 해결하고자 했던 문제입니다. 연구진은 스웨덴, 네덜란드, 미국 등지에서 가져온 전립선 생검(전립선암을 확인하기 위해 채취한 작은 샘플)의 디지털 사진은 풍부하지만, 중동 지역의 자료는 거의 없다는 사실을 깨달았습니다. 이는 커다란 지식의 공백을 남겼습니다. 즉, 서구의 샘플로 학습된 AI가 이라크 환자들에게도 똑같이 잘 작동할 것인가 하는 점입니다. 이를 해결하기 위해 연구진은 이라크 에르빌로 가서 의료 영상이라는 보물 창고를 모았습니다. 그들은 185명의 환자로부터 1,017개의 전체 슬라이드 이미지를 수집했습니다. 그런데 그들은 각 샘플당 사진을 단 한 장만 찍은 것이 아니라, 세 장씩 찍었습니다. 세 가지 서로 다른 유형의 첨단 스캐너를 사용하여 모든 유리 슬라이드를 디지털화했습니다. 이것은 마치 그림을 캐논 카메라로 찍고, 그다음엔 아이폰으로, 그다음엔 전문 미술 스캐너로 찍어서 어떤 도구를 사용하더라도 사진이 잘 나오도록 만드는 것과 같습니다.
또한 연구진은 이 슬라이드들을 판독하기 위해 세 명의 전문 병리학자, 즉 세포 세계의 숙련된 탐정과 같은 전문가들을 투입했습니다. 이 전문가들은 독립적으로 이미지를 살펴보고 암이 얼마나 공격적인지를 기준으로 점수를 매겼습니다. 그 결과, 이미지뿐만 아니라 세 명의 전문가가 내린 '정답'까지 포함된 방대한 오픈 라이브러리 데이터가 탄생했습니다. 이를 통해 과학자들은 자신들의 AI 모델이 서로 다른 종류의 스캐너를 처리할 수 있는지, 그리고 지금까지 소외되었던 인구 집단에서 암을 정확하게 식별할 수 있는지 테스트할 수 있습니다. 연구진은 이 데이터를 공유함으로써 첨단 의료 도구와 그 도구가 가장 필요한 사람들 사이의 간극을 메울 수 있다는 것을 발견했습니다. 이는 어디에 살든 상관없이, 미래의 암 진단이 모두에게 공정하고 정확하도록 보장하는 길입니다. 그들은 이 논문에서 새로운 치료법이나 새로운 스캐너를 발명한 것이 아닙니다. 대신, 그들은 중요한 가교를 건설했습니다. 즉, AI가 테스트되고 개선될 수 있는 공유된 놀이터를 만들어 아무도 뒤처지지 않도록 만든 것입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.