CHIMERA Challenge: Biochemical Recurrence Prediction in Prostate Cancer Patients using multimodal datasets
CHIMERA挑战赛引入了第一个用于预测前列腺癌生化复发的公开、标准化的多模态基准测试，证明了虽然临床变量具有最高的预测准确性，但在专家派生的注释不完整或不可用时，整合影像学和组织病理学数据的多模态模型能提供更优越的鲁棒性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在在前列腺癌手术后的宁静余波中，医生们面临着一个关键问题：疾病是否会复发？答案通常在于一项简单的血液检测，即测量一种被称为前列腺特异性抗原（PSA）的蛋白质。在前列腺腺体被切除后，这种蛋白质应该从血液中消失。如果它重新出现，哪怕是极微量的出现，也预示着癌细胞在手术中幸存下来并正在再次生长。这一事件被称为生化复发，是癌症最终可能扩散到身体其他部位的预警信号。几十年来，医生通过结合患者的年龄、初始血液检测结果以及病理学家在显微镜下观察切除组织后撰写的详细报告来预测这种风险。这些报告是金标准，但它们依赖于人类专家将复杂的细胞模式转化为几个关键数字。随着人工智能开始直接读取医学图像，一个新的问题出现了：计算机能否仅通过观察组织的原始图像和身体扫描图像，而不需要人类专家的总结笔记，就能学会预测这种复发？
来自荷兰及国际合作伙伴的研究团队致力于回答这个问题，并组织了一场名为 CHIMERA Challenge 的全球竞赛。他们收集了来自两家医院、共有 267 名接受过前列腺切除手术患者的独特数据集。对于每位患者，他们组建了一个完整的数字化档案：术前盆腔磁共振成像（MRI）、用粉色和紫色染料染色的数字化前列腺组织切片，以及一份标准的患者详细信息列表（如年龄和血液检测水平）。至关重要的是，他们还包含了病理学家通常会撰写的特定专家笔记，例如癌细胞的分级以及肿瘤是否突破了器官的外缘。目标是观察人工智能模型是否能够通过综合使用所有这些不同类型的信息来预测癌症复发的时间，或者它们是否在使用专家笔记时表现得更好。
来自世界各地的六支队伍提交了他们的算法以参与挑战。结果令人惊讶。在最终测试中表现最好的模型并不是那些试图分析复杂医学图像的模型。相反，排名前三的模型完全依赖于结构化数据：患者的年龄、血液检测水平以及病理学家撰写的特定笔记。这些模型在按复发风险对患者进行排名方面达到了很高的准确度。那些试图构建结合 MRI 扫描和组织图像与患者数据的复杂系统的队伍，并没有超越这些较简单的、基于笔记的模型。事实上，最先进的图像分析模型未能达到最高分。
然而，故事并未止于排行榜。研究人员想要了解为什么基于图像的模型表现不佳，以及它们是否真的无法从图片中学习。为了查明原因，他们进行了一系列实验，在数据中刻意去除了专家笔记。当他们向那些基于简单笔记的模型输入一个病理学家的关键发现被打乱或替换为随机值的数据库时，这些模型的预测能力完全崩溃了。它们的预测能力降到了随机猜测的水平。这证明了顶尖模型的成功完全依赖于人类专家的总结，而不是仅仅依靠患者的年龄或血液检测。
当研究人员将同样的测试应用于多模态模型（即那些观察图像的模型）时，发现了一个不同的情况。当专家笔记被移除时，这些模型的性能仅略有下降。它们仍然明显优于随机猜测，保留了大部分预测复发的能力。这表明人工智能确实直接从 MRI 扫描和组织图像中学习到了有用的信息，但这些信息被提供的高度压缩的信息（即人类笔记）所掩盖了。图像中包含了必要的线索，但人类的笔记如此清晰简洁，使得计算机的工作看起来轻而易举，而计算机必须在原始像素中付出更多努力才能找到相同的模式。
研究人员还测试了不同信息是如何协同工作的。他们发现，当 MRI 扫描单独使用时，在预测复发方面表现并不理想。然而，当 MRI 扫描与组织图像结合使用时，预测效果得到了提升。然而，当 MRI 扫描被添加到已经拥有全套专家笔记的模型中时，扫描图像并没有增加额外的价值。专家笔记信息量如此之大，以至于扫描图像变得冗余。这表明不同类型的数据并非简单的叠加；一种信息的价值在很大程度上取决于已有信息的类型。
研究结论指出，虽然人工智能可以学习直接从医学图像中预测癌症复发，但目前它还无法匹配使用人类专家总结的模型，至少在本次挑战赛所拥有的数据量下是如此。研究人员认为，这种差距的存在是因为病理学家数十年来一直在精炼其提取组织中最关键信号的能力，从而创造了一种极其高效的压缩总结。相比之下，人工智能模型正试图利用相对较少的病例数，从头开始学习这些信号。研究结果表明，随着数据集变得更加庞大和多样化，人工智能最终可能会学会直接从图像中提取这些信号，从而减少对手动专家总结的需求。然而，目前为止，人类专家的笔记仍然是预测前列腺癌是否回归的最有力工具，成为了这项新技术尚待超越的基准。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。