Syväoppimisen osaajille haastekisa rinnan tiheyden arvioimiseksi mammografiakuvista

Itä-Suomen yliopiston syöpätutkijat kliinisen lääketieteen yksikössä ovat avanneet Sitran tuella mammografiakuvien analysointiin liittyvän haastekilpailun syväoppimismallien kehittäjille. Yliopistotutkija Hamid Behravanin johtaman Cancer AI -tutkimusryhmän avaaman haasteen tarkoituksena on kehittää sovellus rintakudoksen tiheyden automaattiseen arviointiin mammografiakuvista. Rintakudoksen tiheys on merkittävä rintasyövän riskitekijä.

Rintakudoksen tiheydellä tarkoitetaan tiiviin kudoksen osuutta suhteessa rasvakudokseen. Naisilla, joilla tiiviin kudoksen osuus on suurempi, tiheys ja rintasyöpäriski ovat suuremmat kuin niillä, joiden rinnoissa on enemmän rasvakudosta.  Hyvin tiheään rintakudokseen liittyy 4–5 kertaa suurempi rintasyöpäriski kuin matalaan tiheyteen.

Nykyisillä tietokoneavusteisilla työkaluilla rintakudoksen tiheyttä pystytään arvioimaan mammografiakuvista osin puutteellisesti. Esimerkiksi kuvakulma, rintalihaksen rajautuminen ja kuvien vaihteleva laatu voivat heikentää arvion luotettavuutta. Lisäksi nykyisiä työkaluja käytettäessä tarvitaan kokenut radiologi määrittelemään tiiviin rintakudoksen kynnysarvot kuvista.

Haastekilpailussa tavoitteena on kehittää uusi syväoppimismalli, joka pystyisi ratkaisemaan nykyiset rajoitteet ja arvioimaan automaattisesti tiiviin kudoksen osuuden mammografiakuvien pinta-alasta. Haasteeseen toivotaan useita erilaisia, sekä regressioon että segmentointiin perustuvia lähestymistapoja.

Osallistujat pääsevät opettamaan malliaan 569 mammografiakuvaa käsittävällä aineistolla ja testaamaan sen suoriutumista toisella 149 kuvan aineistolla. Tutkimusryhmän kehittämän mammografiakuvien segmentointiohjelman lähdekoodi on saatavilla GitHub-sivustolla osoitteessa https://github.com/uefcancer/Deepdensity. Osallistujien toivotaan hyödyntävän ja kehittävän mallia edelleen.

Osallistujat voivat panoksellaan auttaa löytämään ratkaisun rintasyövän varhaisempaan tunnistamiseen ja ehkäisyyn. Haastekilpailu antaa myös mahdollisuuden soveltaa syväoppimisosaamis- ja kuva-analyysiosaamista kansanterveyden kannalta merkittävään tosielämän ongelmaan.

Haastekilpailuun on avoinna maaliskuun 2024 loppuun ja voittajat julkistetaan huhtikuun alussa. Cancer AI -tutkimusryhmä kutsuu kolme parasta tiimiä mukaan julkaisemaan tuloksista tieteellisen artikkelin.

Lisätietoja ja ilmoittautuminen haastekilpailun verkkosivuilla osoitteessa https://www.kaggle.com/competitions/breast-density-prediction

Yliopistotutkija Hamid Behravan, https://uefconnect.uef.fi/henkilo/hamid.behravan/

Kuva: Kuvallinen tiivistelmä mammografiakuvien segmentointiohjelmasta. Lisätietoa osoitteessa https://github.com/uefcancer/Deepdensity