【读论文】End-to-end reproducible AI pipelines in radiology using the cloud

文章目录

End-to-end reproducible AI pipelines in radiology using the cloud
- 01 研究背景与目的
- - 医学成像领域
  - - （1）研究现状
    - （2）存在问题
  - 其他研究领域：基因组学（genomics）
  - 研究目的：提高医学成像领域的AI研究的可复现性（reproducibility）和可扩展性（scalability）
- 02 研究方法：cloud-based workflow
- - Data from Imaging Data Commons(IDC)
  - Cloud-based implementation of DL pipelines
  - Use Case 1：deep learning for lung cancer prognostication
  - Use Case 2：foundation models for quantitative biomarker discovery
- 03 专有名词积累
- - metrics
  - survival analysis（生存分析）

End-to-end reproducible AI pipelines in radiology using the cloud

论文链接：https://www.nature.com/articles/s41467-024-51202-2
代码仓库：https://github.com/ImagingDataCommons/idc-radiomics-reproducibility/tree/v2.0.0

01 研究背景与目的

医学成像领域

（1）研究现状

reporting guidelines, checklists and standards
community-driven: a registry of AI models developed for biomedical applications

（2）存在问题

只提供了实验设计的规则，没有提供：a practical way to share AI-based pipelines with the community。
缺乏实现的具体信息，包括domain-specific tools、specific software versions、hardware capability

其他研究领域：基因组学（genomics）

MIAME guidelines
MCI Genomics Data Commons

研究目的：提高医学成像领域的AI研究的可复现性（reproducibility）和可扩展性（scalability）

解决办法：cloud-based workflow
通过简化开发流程实现AI算法的快速临床转化。

democratizing access to large standardized datasets(平等地访问大型标准化数据集)
free-to-use, easily accessible, consistent computational environments(免费使用、易于访问、一致的计算环境)

02 研究方法：cloud-based workflow

在这里插入图片描述

Data from Imaging Data Commons(IDC)

https://datacommons.cancer.gov/repository/imaging-data-commons

Imaging Data Commons (IDC) 是一个基于云的公共癌症影像数据存储库，它与分析和探索工具以及资源共同位于美国国家癌症研究所 (NCI) 癌症研究数据共享平台 Cancer Research Data Commons (CRDC) 内。IDC 是CRDC的一部分，提供了对大量、全面且不断扩展的癌症研究数据的安全访问。
所有由IDC托管的数据都是公开可用的，当前IDC的内容主要来自癌症影像档案库 (The Cancer Imaging Archive, TCIA) 的放射学系列，以及其他主要NCI计划如TCGA、CPTAC、NLST和HTAN收集的数据。
IDC不执行图像的去标识化（de-identification），但接受由TCIA或其他NCI安全批准的数据协调中心去标识化的数据。
IDC提供使用数字影像和通信医学 (DICOM) 标准标准化的数据访问。它与生成数据的项目合作，将其他格式的数据协调成DICOM表现形式。IDC的内容不仅包括图像，还包括图像注释和分析结果，并且使用通用标识符与CRDC中的其他类型的癌症数据（如蛋白质组学和基因组学数据集）相关联。数据访问通过标准接口支持。
鉴于IDC作为成像数据科学平台的角色，其主要关注点之一是建立成像研究的最佳实践（best practices）。在这方面，IDC的一个关键角色是准备和调整常用的图像分析工具，使其能够在IDC托管的数据集(IDC hosted datasets)上运行的云环境中使用。以前运行分析的总结派生数据（summarized derived data）将与IDC上的影像数据相关联，以方便研究社区使用。

（1）NSCLC-Radiomics collection（LUNG1 dataset）
（2）NSCLC-Radiogenomics collection

Cloud-based implementation of DL pipelines

computing infrastructure：Google Colaboratory (or Colab)，Colab是一个免费的云服务，允许用户运行Jupyter笔记本。作者在几个Colab配置（“standard” CPU-only, “high RAM” CPU-only, “free” GPU, and “pro” GPU）下进行测试。

tools：选择open-source and actively developed (or maintained)

医学影像准备和DICOM CT数据预处理：Plastimatch、Numpy和SimpleITK（Insight Segmentation and Registration Toolkit的简化开源接口）
可视化工具：ITKWidgets
影像数据查看器：a browser-based zero-footprint DICOM viewer based on the OHIF viewer，提供了链接到Imaging Data Commons查看器的链接
数据传输工具：将云托管的数据传输到Colab实例，作者使用了s5cmd，这是一个跨平台的开源工具
DICOM文件处理：由于从Imaging Data Commons交叉加载的数据以DICOM格式保存，使用dicomsort工具来自定义排序和重命名DICOM文件，以统一其结构
其他DICOM文件操作工具：使用了pydicom和dcmrtstruct2nii等工具来读取、转换或准备DICOM文件
评估指标和生存分析：Scipy、Scikitlearn和Lifelines

Use Case 1：deep learning for lung cancer prognostication

在这里插入图片描述
任务：分析CT图像上的肿瘤病变来预测结果
原数据集：NSCLC-Radiomics数据集的一个子集（N = 211 for the AUC analysis, N = 307 for the Kaplan–Meier analysis）
数据集更新：同一队列的更新数据集（2020年底更新的临床和随访数据，clinical and follow-up data）
预处理pipeline：IDC data->format suited for deep learning，开源工具实现
模型权重转换：原始模型权重->open nerual network exchange(ONNX)
评价指标：area under the receiver operating characteristic curve（AUC）、receiver operating characteristic (ROC)、双侧Mann-Whitney U检验、DeLong检验配对AUC曲线、Kaplan-Meier（KM）、Cox比例风险（PH）建模