RSNA AI挑战突破了新领域

根据发表在《柳叶刀》杂志上的一份报告，两个医学协会和60多名志愿神经放射学家进行了前所未有的合作，产生了最大的由专家注释的脑出血CT图像公共集合放射学:人工智能．该项目的负责人希望该数据集有助于加速机器学习(ML)算法的开发，以帮助检测和描述这种潜在的危及生命的疾病。

该数据集的创建源于最新版本的北美放射学会(RSNA)人工智能(AI)挑战。在2019年的版本中，参与者被要求创建一个ML算法，可以帮助在大脑CT上检测和描述颅内出血。准确诊断颅内出血的存在和类型是有效治疗的重要组成部分，因为如果是在关键位置，即使是很小的出血也可能导致死亡。

比赛的组织者没有像前两个挑战那样使用现有的数据集，而是从头开始创建一个。他们收集了来自三个机构的脑出血CT数据集:加利福尼亚帕洛阿尔托的斯坦福大学、巴西São Paulo的São Paulo联邦大学和宾夕法尼亚州费城的托马斯·杰斐逊大学医院。

“这一挑战的价值在于创建一个数据集，它可能导致一种通用的解决方案，而实现这一目标的最佳方法是，从来自多个机构的数据中训练一个模型，这些机构使用不同制造商的各种CT扫描仪、扫描协议和不同的患者群体，”该论文的主要作者、神经放射学家、托马斯杰斐逊大学医院教授亚当·e·弗兰德斯(Adam E. Flanders)说。“在这种情况下，我们有来自三家机构和国际参与的数据。这个数据集是独一无二的，不仅在异常图像的数量方面，而且在它们的来源方面也具有异质性。”

RSNA和美国神经放射学会(ASNR)合作策划了这个数据集，组织者在ASNR会员中公开号召志愿者对图像进行注释。一天半后，他们从140名志愿者中挑选了60人，在25312次独特的检查中对874,035张脑出血CT图像进行注释。志愿者们将每张图片标记为正常或异常。异常图像显示出血亚型。

“整个过程都很紧张，”弗兰德斯在谈到这个过程时说。“我们是在飞机飞行时制造的。当你考虑到我们必须在本地去识别、消费、策划、标签、交叉检查，然后组织成正确的数据集发布给参赛者的图像数量时，志愿者劳动力、RSNA机器学习小组委员会、数据科学家、承包商和RSNA工作人员参与了大量工作。”

该数据集的发布引起了各方的兴趣。主办方收到了来自75个国家的1345个团队的1787名个人参赛者的22200多份参赛作品。弗兰德斯博士对该项目的国际影响力以及甚至来自医疗领域之外的人的热情程度尤其感到震惊。

“十大最佳解决方案来自世界各地，”他说。“一些获奖者完全没有医学影像学背景。”

该数据集是在非商业许可下发布的，这意味着它可以免费提供给人工智能研究社区，用于非商业用途和进一步增强。

弗兰德斯博士说，与亚专业学会合作的目的是利用他们在开发高质量数据集方面的独特专长，这是未来合作的有效和有用的途径。该模型效果非常好，因此组织者在今年的比赛中再次使用了它。今年的比赛是与胸放射学会(Society of Thoracic Radiology)合作进行的，旨在改进胸部CT对肺栓塞的检测和表征。

“志愿者的巨大努力以及全世界对这个项目的巨大兴趣给我留下了深刻的印象，”弗兰德斯博士说。“数据集我们为这一挑战创建的产品将在未来多年作为有价值的ML研究资源而持续存在。”

---

---