AIセグメンテーションを使用した医療画像データのクラウドベースの大規模なキュレーション

医療イメージング人工知能（AI）の急速な進歩は、大規模なイメージングコレクションからのデータの自動分析と抽出のための前例のない機会を提供します。このような最新のAIツールの計算需要は、敷地内で利用可能な機能に満足するのが難しい場合があります。クラウドコンピューティングは、経済的なアクセスと極端なスケーラビリティの約束を提供します。特に医療画像分析タスクについては、クラウドを使用することの価格/パフォーマンスのトレードオフを調べる研究はほとんどありません。National Cancer Cancer Institute（NCI）イメージングデータCommons（IDC）から入手可能なNational Lung Screening Triar（NLST）Computed Tomography（CT）画像のAIベースのキュレーションのための雲プロビジョニングされた計算リソースの使用を調査します。NCI Cancer Cancer Research Data Commons（CRDC）クラウドリソース - Terra（Firecloud）および7つのBridges -Cancer Genomics Cloud（SB -CGC）プラットフォームを評価して、TotalSegmentatorおよびTotalSegmentatorおよびPyradiomics特徴抽出を使用した自動画像セグメンテーションを実行して、126,000 ctを含む大規模なコホートを抽出します。26,000人以上の患者からの量。単一のワークステーションで必要な推定522日と比較して、9時間以内に分析を完了した計算の過程で> 21,000の仮想マシン（VM）を利用します。この分析にクラウドを利用する総費用は1,011.05ドルでした。私たちの貢献には、次のものが含まれます。1）大規模な画像分析のためのクラウドリソースの使用を最適化するための多数のトレードオフの評価。2）CloudSegmentator、開発されたワークフローのオープンソースの再現可能な実装であり、再利用および拡張できます。3）大規模な医療画像コンピューティングタスクにクラウドを利用するための実用的な推奨事項。また、分析の結果を共有しています。解剖学的構造の合計9,565,554のセグメンテーションと、リリースV18時点でのIDCの添付の放射性特徴です。

Rapid advances in medical imaging Artificial Intelligence (AI) offer unprecedented opportunities for automatic analysis and extraction of data from large imaging collections. Computational demands of such modern AI tools may be difficult to satisfy with the capabilities available on premises. Cloud computing offers the promise of economical access and extreme scalability. Few studies examine the price/performance tradeoffs of using the cloud, in particular for medical image analysis tasks. We investigate the use of cloud-provisioned compute resources for AI-based curation of the National Lung Screening Trial (NLST) Computed Tomography (CT) images available from the National Cancer Institute (NCI) Imaging Data Commons (IDC). We evaluated NCI Cancer Research Data Commons (CRDC) Cloud Resources - Terra (FireCloud) and Seven Bridges-Cancer Genomics Cloud (SB-CGC) platforms - to perform automatic image segmentation with TotalSegmentator and pyradiomics feature extraction for a large cohort containing >126,000 CT volumes from >26,000 patients. Utilizing >21,000 Virtual Machines (VMs) over the course of the computation we completed analysis in under 9 hours, as compared to the estimated 522 days that would be needed on a single workstation. The total cost of utilizing the cloud for this analysis was $1,011.05. Our contributions include: 1) an evaluation of the numerous tradeoffs towards optimizing the use of cloud resources for large-scale image analysis; 2) CloudSegmentator, an open source reproducible implementation of the developed workflows, which can be reused and extended; 3) practical recommendations for utilizing the cloud for large-scale medical image computing tasks. We also share the results of the analysis: the total of 9,565,554 segmentations of the anatomic structures and the accompanying radiomics features in IDC as of release v18.