DBT-2026, a de-identified publicly available dataset of digital breast tomosynthesis exams with ground truth biopsies

Dit artikel introduceert DBT-2026, een vrij beschikbaar, geanonimiseerd dataset van 558 digitale breast tomosynthese-examens met grondwaarheid-biopsies en expertannotaties, die is ontwikkeld om onderzoek naar borstkankerbeeldvorming te stimuleren.

De kern

DBT-2026: Een nieuwe, supergedetailleerde "spiegel" voor borstkankeronderzoek

Stel je voor dat je een oude, platte foto van een bos maakt. Je ziet de bomen, maar omdat ze allemaal op elkaar staan, is het moeilijk om te zien of er een verborgen pad of een verborgen dier tussen de takken zit. Dat is wat er gebeurt bij de traditionele borstfoto's (mammografie): de verschillende lagen weefsel liggen over elkaar heen, waardoor kleine afwijkingen soms "verdwijnen" in de massa.

De 3D-bril
De onderzoekers in dit artikel hebben een nieuwe techniek gebruikt die ze DBT noemen (Digitale Borsttomosynthese). Denk hierbij niet aan een platte foto, maar aan een 3D-film of een 3D-scan. In plaats van één platte afbeelding, maakt de machine honderden kleine foto's vanuit verschillende hoeken. Een computer zet deze dan samen tot dunne, transparante plakjes, alsof je een brood in heel dunne plakjes hebt gesneden. Zo kun je door de "takken" van het weefsel kijken en zie je precies wat er gebeurt, zonder dat het ene het andere verbergt.

Het probleem: Te weinig goede voorbeelden
Hoewel deze 3D-techniek geweldig is, hebben artsen en kunstmatige intelligentie (AI) een groot probleem: ze hebben te weinig goede voorbeelden om van te leren.
Stel je voor dat je een AI wilt leren om een auto te besturen, maar je geeft hem alleen maar foto's van lege wegen. Hij zal nooit leren hoe hij moet remmen of sturen als er een kind de weg oversteekt. In de medische wereld betekent dit: om een slimme computer te leren een tumor te herkennen, heb je duizenden foto's nodig waarbij we weten of er een tumor was of niet (vaak bevestigd door een biopsie, een kleine weefseltest). Tot nu toe waren deze "antwoorden" (de grondwaarheid) schaars en moeilijk toegankelijk voor onderzoekers.

De oplossing: DBT-2026
Hier komt het nieuwe project DBT-2026 om de hoek kijken. De onderzoekers hebben een enorme, gratis bibliotheek gecreëerd met 558 unieke patiënten.

• De collectie: Het bevat niet alleen de 3D-foto's, maar ook de echte medische rapporten en de resultaten van de biopsies.
• De mix: Het is een eerlijke mix. Er zijn foto's van vrouwen die helemaal gezond zijn, maar ook van vrouwen bij wie er een verdachte plek werd gevonden die later bleek kanker te zijn. Zelfs de vrouwen die een "valse alarm" kregen (een verdachte plek die uiteindelijk onschuldig bleek) zitten erin. Dit is cruciaal, want een slimme AI moet niet alleen kanker herkennen, maar ook weten wanneer het geen kanker is.
• De privacy: Net als bij een anonieme enquête zijn alle namen en persoonlijke gegevens verwijderd. Het is alsof je een boek leest waarin de personages wel echt lijken, maar geen echte namen hebben.

Hoe werkt het?
De onderzoekers hebben een team van experts ingezet om deze foto's nauwkeurig te bekijken en te "markeren". Het is alsof ze met een digitale stift op de foto's hebben getekend om precies te laten zien waar de verdachte plekken zitten. Dit proces is dubbel gecontroleerd, alsof twee leraars elkaars werk nakijken om zeker te weten dat er geen fouten zijn.

Waarom is dit belangrijk?
Dit dataset is als een gymzaal voor AI. Door deze grote, gevarieerde verzameling van 3D-foto's met de juiste antwoorden, kunnen onderzoekers hun computerprogramma's trainen om:

1. Kanker eerder en nauwkeuriger te zien.
2. Valse alarmen te verminderen (zodat vrouwen niet onnodig naar het ziekenhuis hoeven).
3. Vrouwen met dichter weefsel (waar de "bomen" dichter op elkaar staan) beter te helpen.

Conclusie
Kortom: de onderzoekers hebben een kostbare, gratis schat van medische kennis vrijgegeven. Het is een hulpmiddel om de toekomst van borstkankeronderzoek te versnellen, zodat AI-assistenten artsen kunnen helpen om elke patiënt sneller en veiliger te behandelen. Het is een stap in de richting van een wereld waar de technologie de mens helpt om het onzichtbare zichtbaar te maken.

Technische samenvatting

Technische Samenvatting: DBT-2026 Dataset

1. Het Probleem
Hoewel digitale mammografie de standaard blijft voor borstkankerscreening, heeft het beperkingen, vooral bij vrouwen met dicht borstweefsel waar weefseloverlapping de diagnose bemoeilijkt. Digitale Breast Tomosynthese (DBT), ook wel 3D-mammografie genoemd, lost dit op door de weefseloverlapping te verminderen en de zichtbaarheid van laesies te verbeteren. Ondanks de groeiende adoptie van DBT in de klinische praktijk, ontbreekt het aan goed geannoteerde, openbare datasets met hoogwaardige "ground truth" (biopsie-uitkomsten) voor het trainen en valideren van kunstmatige intelligentie (AI)-modellen. Bestaande publieke datasets bevatten vaak te weinig patiënten met maligniteiten, wat de ontwikkeling van robuuste AI-algoritmen belemmert.

2. Methodologie
Het paper beschrijft de creatie van DBT-2026, een real-world dataset van gedicentraliseerde DBT-examens.

• Dataverzameling en Selectie:
  • De data is afkomstig van een ziekenhuis in het Midwesten van de VS, opgehaald via een geautomatiseerde PACS-verbinding (DICOM-formaat).
  • Inclusiecriteria: Vrouwen ≥18 jaar, geschikt voor screening, bilaterale examens (minimaal één MLO- en één CC-opname per borst), geen borstimplantaten of eerdere borst/axilla-chirurgie, en geen voorgeschiedenis van borstkanker.
  • BI-RADS Scores: De dataset is gefocust op patiënten met BI-RADS scores van 0 (aanvullend onderzoek nodig), 1 (negatief) of 2 (goedaardig bevinding).
  • Verrijking: De dataset is bewust verrijkt met patiënten met biopsie-bewezen maligniteiten om de balans te verbeteren.
• Privacy en De-identificatie:
  • Alle 18 PHI-identificatoren (Protected Health Information) volgens HIPAA zijn verwijderd.
  • Dit proces omvatte OCR voor tekst in afbeeldingen en NLP/LLM-modellen voor het verwijderen van tekst uit rapporten en metadata.
  • Een klinisch specialist voerde een handmatige controle uit om te garanderen dat geen PHI overbleef.
• Annotatie en Kwaliteitsborging:
  • Annotaties (lokalisatie, karakterisering, segmentatie en meting van laesies) werden uitgevoerd door fellowship-getrainde senior borstradiologen in India, gecoördineerd via het iMerit-platform.
  • Er werd een gestandaardiseerd protocol gebruikt, ontwikkeld door Amerikaanse klinische experts.
  • Een "Doer–Checker" workflow werd toegepast: elke casus werd onafhankelijk gecontroleerd op volledigheid en nauwkeurigheid. Afwijkingen werden opgelost via secundaire review en consensus.
  • Een definitieve kwaliteitscontrole werd uitgevoerd door een in de VS gecertificeerde radioloog (MQSA-gecertificeerd).

3. Belangrijkste Bijdragen

• DBT-2026 Dataset: Een publiek beschikbaar dataset met 558 unieke DBT-examens van 558 patiënten.
• Hoogwaardige Ground Truth: Het dataset bevat uitgebreide annotaties en vrije tekst-radiologieverslagen gekoppeld aan biopsie-resultaten, wat zeldzaam is voor publieke DBT-datasets.
• Balans in Pathologie: Bijna de helft van de patiënten (48,6%) heeft een biopsie-bewezen maligniteit, wat het dataset zeer waardevol maakt voor het trainen van detectiemodellen.
• Toegankelijkheid: Het dataset is gratis beschikbaar voor onderzoekers voor niet-commerciële doeleinden, mits ze een Data Use Agreement ondertekenen.

4. Resultaten en Dataset Statistieken
De dataset bestaat uit de volgende verdeling (zie Tabel 1 en 2 in het paper):

• Totale patiënten: 558 (Gemiddelde leeftijd: 57,5 ± 11,1 jaar).
• BI-RADS Verdeling:
  • Score 0: 325 patiënten (abnormaliteit gevonden, extra onderzoek nodig).
  • Score 1: 91 patiënten.
  • Score 2: 142 patiënten.
• Pathologische Verdeling:
  • Maligne (Groep A): 271 patiënten (biopsie-bewezen kanker).
  • Goedaardig (Groep B): 140 patiënten (goedaardig zonder biopsie of met follow-up).
  • Niet-kanker callback (Groep C): 115 patiënten (screening met callback maar geen kanker).
  • Biopsie-bewezen goedaardig (Groep D): 32 patiënten.
• Totaal aantal biopsies: 538 (waarvan 486 maligne, 42 goedaardig, 10 niet-kanker callback, 0 onbekend).

5. Betekenis en Toekomstperspectief
DBT-2026 vult een kritieke lacune in de AI-onderzoekslandschap voor borstkanker. Door de combinatie van real-world DBT-beelden, expert-annotaties en sterke ground truth (biopsie), biedt het een ideale basis voor:

• Het trainen en valideren van AI-modellen voor de detectie en karakterisering van borstkanker.
• Het verbeteren van de diagnose bij vrouwen met dicht borstweefsel.
• Het ontwikkelen van algoritmen die minder false-positieven genereren dan traditionele 2D-mammografie.

Beperkingen:

• De data komt van één enkel ziekenhuis (enkele centrum bias).
• Het dataset is strikt beperkt tot niet-commercieel gebruik.
• De auteurs wijzen erop dat onderzoekers contact kunnen opnemen voor toegang tot een uitgebreidere, multicenter database.

Concluderend biedt DBT-2026 een waardevol, ethisch verantwoord en technisch robuust instrument om de vooruitgang van AI in de borstkankerdiagnostiek te versnellen.