美國國家兒童醫學中心研究團隊近日發布全球首個兒科腦瘤影像分析AI資料集 BraTS-PEDs，旨在克服缺乏標準化資料集的挑戰，透過整合 457 名病患的 MRI 影像資料，提升兒科腦瘤的診斷與治療精準度，為精準醫學鋪路。
位於美國的國家兒童醫學中心（Children’s National Hospital）研究團隊近日宣佈，已開發出全球首個專為兒科腦瘤影像分析設計的大型開放取用資料集 BraTS-PEDs，盼能透過人工智慧（AI）技術，大幅提升兒童放射學與精準醫療的發展。
AI 在醫學領域的應用發展迅速，其中放射學的進步尤其顯著。然而，在兒科領域推動 AI 面臨獨特挑戰，因兒童的疾病類型、生物學特徵及照護流程均與成人有異，這要求 AI 工具需在開發初期即將這些因素納入考量。
兒科腦瘤雖屬罕見，卻是兒童最常見的實體腫瘤，同時也是造成兒科癌症相關死亡的主因。由於兒科腦瘤在生物學、解剖學和臨床照護上的行為模式與成人腦瘤存在顯著差異，使得診斷、監測和治療反應的評估格外複雜。過往，由於缺乏大規模、標準化且易於取得的資料集，限制了 AI 在改善兒科腦瘤診斷、監測與治療反應方面的進展。
為解決此困境，BraTS-PEDs 資料集應運而生。此資料集整合了 457 名高惡性度膠質瘤兒科病患的 MRI 影像資料，這些資料來自多個機構與國際研究聯盟。資料集內含完整的臨床相關影像序列，包括造影前後的 T1 加權、T2 加權以及 T2-FLAIR MRI。專家團隊依據既定的兒科神經腫瘤學指南，對 BraTS-PEDs 中每個腫瘤部分進行了精確標記，並結合自動化工具與神經放射科醫師的審慎審查和校正。
BraTS-PEDs 資料集的建構旨在支持實際應用，將其劃分為訓練、驗證與隱藏測試子集，以便進行可重複的基準測試，並評估模型在不同機構間的泛化能力。國家兒童醫學中心教授馬裡烏斯·喬治·林格拉魯（Marius George Linguraru）博士指出，AI 工具在放射學中扮演關鍵角色，但放射科醫師必須信任系統設計並接受適當培訓。
這項研究為整合影像與分子、臨床數據開啟了機會，為推動精準醫學發展奠定基礎。國家兒童醫學中心透過其 AI 研究部門，致力於建構一個連結數據、技術與臨床專業知識的臨床導向生態系統，旨在超越單一研究專案，建立可擴展且可持續的基礎設施，讓概念能從發想到應用。這項重要研究已發表於《Radiology: Artificial Intelligence》期刊。