The autoPET3 Challenge -- Automated Lesion Segmentation in Whole-Body PET/CT - Multitracer Multicenter Generalization
記事のポイント
📰ニュース
PET/CT画像における病変の自動セグメンテーション技術を競う国際チャレンジ「autoPET3」の結果が発表されました。
🔍注目ポイント
多様なトレーサーと施設データに対応し、未知の組み合わせへの汎化性能を評価するデータセットと評価手法が特徴です。
🔮これからどうなる
がん診断の精度向上と医師の負担軽減に繋がり、より迅速で正確な医療提供が期待されます。
autoPET3チャレンジは、MICCAI 2024で開催され、全身PET/CT画像からの病変自動セグメンテーション技術を評価しました。
1014件の[18F]-FDG PET/CTと597件の[18F]/[68Ga]-PSMA PET/CTデータが学習に用いられ、これは公開されているPSMA PET/CTデータセットとしては最大規模です。
200件のテストセットには、未知のトレーサー・施設組み合わせが含まれ、汎化性能が問われました。
トップアルゴリズムはDSC 0.66を達成し、ベースラインから8%の改善を見せました。
1014件の[18F]-FDG PET/CTと597件の[18F]/[68Ga]-PSMA PET/CTデータが学習に用いられ、これは公開されているPSMA PET/CTデータセットとしては最大規模です。
200件のテストセットには、未知のトレーサー・施設組み合わせが含まれ、汎化性能が問われました。
トップアルゴリズムはDSC 0.66を達成し、ベースラインから8%の改善を見せました。
PET/CT画像診断の自動化は、がんの早期発見に大きく貢献しそうです。特に、未知のデータへの汎化性能の課題解決は、実臨床でのAI活用を加速させるでしょう。