The PAR dataset: Prostate biopsy whole slide images from an underrepresented Middle Eastern population
Dit artikel introduceert de PAR-dataset, een publiek beschikbare collectie van 1.017 prostate biopsie whole slide images van 185 patiënten uit Erbil, Irak, geannoteerd met Gleason-scores en ISUP-graden om het tekort aan Midden-Oosterse data aan te pakken en de generaliseerbaarheid van AI-modellen in digitale pathologie te verbeteren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je het menselijk lichaam voor als een enorme, bruisende stad, en binnen die stad is elke cel een kleine werker. Soms gaan een paar werkers een eigen gang en beginnen ze met het bouwen van chaotische, gevaarlijke structuren in plaats van zich aan de regels te houden. Dit is kanker. Om deze onruststokers vroegtijdig te betrappen, nemen artsen minuscule weefselmonsters, kleuren ze in met kleurrijke kleurstoffen en bekijken ze deze onder krachtige microscopen. Dit wordt pathologie genoemd. Lange tijd werd dit alleen door het menselijk oog gedaan, maar nu leren we computers ook om deze kleurrijke kaarten te zien. Dit is Kunstmatige Intelligentie (AI) in de digitale pathologie. Het idee is dat als we een computer kunnen leren om de ongehoorzame werkers op te sporen, het artsen kan helpen om sneller en nauwkeuriger diagnoses te stellen. Maar hier zit de crux: de meeste "trainingshandleidingen" die we gebruiken om deze computers te onderwijzen, zijn geschreven door mensen uit slechts één deel van de wereld. Als de computer alleen leert van foto's van één specifiek type stad, kan hij in de war raken wanneer hij een stad ziet die er een beetje anders uitziet. We moeten ervoor zorgen dat onze digitale detectives klaar zijn voor iedereen, niet alleen voor een select aantal.
Dit is precies het probleem dat een team van onderzoekers wilde oplossen met een nieuw project genaamd de PAR-dataset. Ze realiseerden zich dat er wel veel digitale afbeeldingen zijn van prostaatbiopten (kleine monsters die worden genomen om prostaatkanker te controleren) uit plaatsen zoals Zweden, Nederland en de VS, maar dat er bijna geen waren uit het Midden-Oosten. Dit liet een enorme kloof achter in onze kennis: zou een AI die getraind is op westerse monsters net zo goed werken op patiënten uit Irak? Om dit op te lossen, ging het team naar Erbil, Irak, en verzamelde een schat aan medische afbeeldingen. Ze verzamelden 1.017 whole-slide afbeeldingen van 185 patiënten. Maar ze namen niet zomaar één foto van elk monster; ze namen er drie. Met behulp van drie verschillende soorten hoogtechnologische scanners digitaliseerden ze elke glazen dia. Het is alsoals het maken van een foto van een schilderij met een Canon-camera, en daarna met een iPhone, en vervolgens met een gespecialiseerde kunstscanner, alleen maar om er zeker van te zijn dat de foto er goed uitziet, ongeacht welk hulpmiddel je gebruikt.
De onderzoekers haalden ook drie expert-pathologen erbij—specialisten die als de meesterdetectives van de celwereld fungeren—om deze dia's te beoordelen. Deze experts bekeken de afbeeldingen onafhankelijk van elkaar en gaven ze een score op basis van hoe agressief de kanker eruitzag. Het resultaat is een enorme, open bibliotheek van gegevens die niet alleen de afbeeldingen bevat, maar ook de "antwoorden" van drie verschillende experts. Dit stelt wetenschappers in staat om te testen of hun AI-modellen met verschillende soorten scanners om kunnen gaan en of ze kanker correct kunnen identificeren in een populatie die tot nu toe over het hoofd is gezien. Het team kwam tot de conclusie dat zij door deze gegevens te delen, de kloof tussen hoogtechnologische medische hulpmiddelen en de mensen die ze het hardst nodig hebben, kunnen overbruggen, zodat de toekomst van de diagnose van kanker eerlijk en nauwkeurig is voor iedereen, ongeacht waar zij wonen. Ze hebben in dit artikel geen nieuw medicijn of een nieuwe scanner uitgevonden; in plaats daarvan hebben ze een cruciale brug gebouwd—een gedeelde speeltuin waar AI kan worden getest en verbeterd, zodat niemand wordt achtergelaten.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.