乳房X線撮影分析の向上を目的としたクラウドソーシングAIチャレンジが終了

乳房X線撮影は、女性の健康と乳腺癌の早期発見のために重要です。しかし、乳房X線撮影には、人間の専門家が解釈する必要があります。また、熟練した専門家でもミスを犯すことがあります。アメリカでは、乳房X線撮影の偽陽性率は約10%であると推定されています。より正確な乳房X線撮影の読み取りシステムを作成するために、デジタル乳房X線撮影（DM）ドリームチャレンジは、最近、新しい乳房X線撮影読み取りアルゴリズムを開発するためのクラウドソーシングの取り組みを開始しました。

PhysicsWorldによると、コンピュータビジョン技術とディープラーニングアルゴリズムは、過去数年で大幅に進歩し、研究者やエンジニアは、乳房X線撮影の解釈を向上させるためにAIの使用を目指しています。デジタル乳房X線撮影（DM）ドリームチャレンジは、乳腺癌の可能な兆候を認識するためのAIアルゴリズムの使用を調査するためのコンペティションを立ち上げました。

DMドリームチャレンジは、現在までで最大のディープラーニングアルゴリズムに関する乳房X線撮影解釈の研究です。DREAMチャレンジの会長であるJustin Guinney氏は、チャレンジの理由は、2つのデータベース上で数十のディープラーニングモデルを構造化された評価を行うことができるためであると説明しています。チャレンジに参加した人々は、乳房X線撮影データで訓練できるアルゴリズムを設計し、1年以内に乳腺癌と診断される患者の確率スコアを出力する必要がありました。また、副次的なチャレンジ条件もありました。2次目のタスクでは、アルゴリズムは、人口統計学的リスクデータ、臨床データ、 以前のスクリーニング検査からの画像などの追加情報で訓練することができました。

モデルを訓練するために使用されたデータセットは2つありました。最初のデータセットは、米国の研究者によって作成されたKaiser Permanente Washington（KPW）データセットでした。一方、2番目のデータセットは、スウェーデンのカロリンスカ研究所（KI）の研究者によって作成されました。

チャレンジに参加した人は1100人以上で、126の異なるチームに分かれ、世界中から参加しました。チャレンジの最初の部分では、モデルはKPWデータセットで訓練されました。このデータセットには、140,000以上のスクリーニング検査の画像が含まれていました。2次目のチャレンジの結果と比較すると、臨床データなどの追加の特徴へのアクセスは、アルゴリズムの判別力の向上には大きな影響を与えなかったことがわかりました。しかし、DMドリームチームは、将来的にアルゴリズムの開発には、患者前の画像の分析を含めるべきだと示唆しました。参加者がデータを十分に活用していない可能性があると推測しています。

Health IT Analyticsによると、DRドリームチームは、上位8つのパフォーマンスのチームと協力して、アンサンブル分類モデルを設計し、このモデルが個々のモデルを上回る可能性があるかどうかを調べたいと考えています。チャレンジのコーディネーターは、さまざまなアルゴリズムの予測の加重平均を使用して、チャレンジアンサンブルモデル（CEM）を作成しました。CEMモデルの確率的予測は、特異度を使用して評価された放射線科医の解釈と比較されました。放射線科医は90.5%の特異度を達成しましたが、CEMモデルは76.1%の特異度しか達成できませんでした。結果は失望するもののように思えるかもしれませんが、CEMモデルと放射線科医の解釈の推定が別のモデル（CEM+R）に集約されると、特異度は92%に改善されました。

KIテストデータセットを使用して、モデルを検証するために行われた結果も同様でした。このデータセットには、166,000以上の検査の画像が含まれていました。CEMモデルは放射線科医よりもわずかに劣るものでした（92.5%の特異度対96.7%の特異度）。しかし、CEM+Rはより良い結果を達成しました（98.5%の特異度）。

個々のモデルは人間の専門家を上回ることができませんでしたが、CEM+Rモデルは、放射線科医の解釈のみに比べてわずかに優れた結果を達成しました。人間の直感とAIアシスタントを組み合わせることで、精度を向上させることが可能であるかもしれません。