単一のデータセットで訓練されたリスクのある胸部器官のための複数のベンダーの自動セグメンテーションモデルの性能
Sevgi Emin1, Elia Rossi2, Mattias Hedman2
1Department of Nuclear Medicine and Medical Physics, Karolinska University Hospital, 171 76 Stockholm, Sweden; Department of Oncology-Pathology, Karolinska Institutet, 171 77 Stockholm, Sweden.
まとめ
人工知能 (AI) の自動セグメンテーションモデルは,肺がん患者における多くのリスクのある胸部器官 (OAR) に対して,人間の可変性を上回る強力な性能を示しています. しかしAIは 腕筋,肺静脈,下腔静脈のような 複雑な器官と闘っています
科学分野:
- 放射線療法
- 医療用イメージング
- 人工知能
背景:
- リスクのある胸部器官 (OAR) に対する人工知能 (AI) の自動セグメンテーションの評価は,臨床採用に不可欠です.
- 商用AIソリューションの本質的なパフォーマンスは,訓練データセットが多様であるため,評価するのが困難です.
- AIの限界を特定するために,挑戦的な胸部OARが選択されました.
研究 の 目的:
- 胸部OARのためのAIベースのオートセグメンテーションモデルの線引きの質を評価する.
- AIモデルのパフォーマンスを専門家の手動セグメンテーションとオブザーバー間の可変性と比較する.
- AIの自動セグメント化に制限がある特定のOARを特定する.
主な方法:
- 3つのAIモデルは,提供されたトレーニングデータセットを使用してベンダーによって開発されました.
- 250人の肺がん患者の盲検データセットでモデルをテストした.
- 定量的な指標には,ダイス類似度係数 (DSC),表面DSC (sDSC),ハウズドルフ距離 (HD95) および平均対称表面距離 (ASSD) が含まれていた.
主要な成果:
- ほとんどのOARは高いDSC (> 0. 8) とsDSC (> 0. 8) を達成した.
- 腕筋,肺静脈,下腔静脈はAIの自己分割に最も困難でした.
- AIモデルのパフォーマンスは,評価されたすべてのメトリックにおいて,観察者間の変動性を上回りました.
結論:
- AIモデルは,いくつかの胸部OARの強力なパフォーマンスを示しています.
- AIのオートセグメンテーションは 枝分かれした構造と 画像のコントラストが悪いという特徴を持つ臓器と 闘っています
- 複雑なOARの描写のためのAIのパフォーマンスを改善するためにさらなる開発が必要です.
