儿童脑瘤网络多机构儿科临床放射学MRI数据集

儿童脑瘤网络多机构儿科临床放射学MRI数据集是由费城儿童医院等34家国际医疗机构合作创建的大型数据集，包含23,101次多参数MRI检查，涉及1,526名脑瘤患者。数据集内容包括不同癌症诊断下的纵向MRI，以及相关的患者级临床信息、数字病理切片和组织基因型及组学数据。数据集的创建旨在通过真实世界数据加速发现和转化AI模型，最终推动儿童精准医学的发展。数据集通过符合FAIR原则的安全访问机制免费提供给更广泛的研究社区，支持多种分析应用，如放射组学、放射基因组学和综合多组学分析。The Multi-Institutional Pediatric Clinical Radiological MRI Dataset for the Pediatric Brain Tumor Network is a large-scale dataset collaboratively developed by 34 international medical institutions including the Children's Hospital of Philadelphia. It contains 23,101 multi-parametric MRI scans from 1,526 pediatric brain tumor patients. The dataset encompasses longitudinal MRIs acquired under different cancer diagnoses, along with relevant patient-level clinical information, digital pathological slides, and tissue genotypic and omics data. The dataset was created to accelerate the discovery and translation of AI models using real-world data, with the ultimate goal of advancing pediatric precision medicine. It is freely accessible to the broader research community via a FAIR-compliant secure access mechanism, supporting a wide range of analytical applications including radiomics, radiogenomics, and integrated multi-omics analyses.

搜集汇总

数据集介绍

构建方式

该数据集由儿童脑瘤网络（CBTN）收集，该网络是一个由34个医疗保健机构组成的国际联盟，致力于收集和整理儿童神经肿瘤学的多模态数据。数据集包括1,526名脑瘤患者的23,101份多参数MRI检查，涵盖了各种癌症诊断的纵向MRI，以及相关的患者临床信息、数字病理切片和组织基因型和组学数据。为了方便下游分析，370名受试者的治疗初期的图像经过预处理并通过NCI儿童癌症数据倡议发布。

使用方法

为了访问CBTN-Flywheel数据集（未处理数据），研究人员需要提交一个研究项目请求表单，并签署CBTN数据使用协议（DUA）。批准后，用户可以在Flywheel平台上访问数据集，并获得与数据相关的所有临床数据。为了访问NCI-CDS数据集（处理数据），研究人员需要创建一个NIH eRA Commons账户，并提交一个在线数据访问请求（DAR），并签署数据使用认证协议。批准后，研究人员可以使用Aspera Connect软件从dbGaP下载数据。

背景与挑战

背景概述

儿童脑瘤网络多机构儿科临床放射学MRI数据集，由儿童脑瘤网络（Children's Brain Tumor Network, CBTN）创建，旨在促进儿科神经肿瘤学领域的临床决策支持工具的发展。该数据集收集了来自1,526名脑瘤患者的23,101次多参数MRI检查，包括纵向MRI以及相关的临床信息、数字病理切片和组织基因型及组学数据。该数据集的创建时间为2023年，由多个医疗机构的合作研究团队共同完成，其中包括儿童医院费城中心的数据驱动发现中心。该数据集的核心研究问题是利用丰富的放射学影像数据，通过预测分析，如人工智能（AI）方法，来改善儿科神经肿瘤学的临床决策支持。该数据集的发布对相关领域产生了重大影响，为AI和机器学习在儿科脑瘤研究中的应用提供了大量代表性的数据，从而推动了精准医疗的发展。

当前挑战

该数据集面临着一些挑战，包括： 1) 纵向MRI数据不足：目前缺乏公开可用的纵向扫描数据，这限制了能够考虑治疗后影像变化（如坏死区域、术后胶质瘤和水肿）的放射组学模型的发展。 2) 数据集覆盖范围有限：许多公开数据集只关注单一类型的癌症（如GBM），不包括其他不常见类型的脑肿瘤，这对于构建能够针对不同肿瘤组织学类型进行最佳诊断的工具至关重要。 3) 数据获取困难：跨机构收集MRI数据受到数据隐私法规和技术基础设施要求的限制，确保安全数据传输。 4) 数据异质性：由于不同机构之间扫描仪和图像采集参数的差异，数据集存在异质性，这可能会影响下游放射组学和综合多组学AI模型的泛化性。

常用场景

经典使用场景

在儿科神经肿瘤学领域，该数据集的经典使用场景包括：1）利用放射组学特征预测患者的分子基因型或临床结局，如生存预后或对治疗的反应；2）进行肿瘤区域勾画，以帮助制定手术计划；3）进行纵向肿瘤监测，评估治疗反应；4）开发适用于不同肿瘤组织学的诊断工具。这些应用场景充分体现了该数据集在推动儿科神经肿瘤学研究和临床实践中的重要作用。

解决学术问题

该数据集解决了以下学术研究问题：1）缺乏纵向和全面的临床MRI数据，难以开发能够考虑治疗后影像学变化的放射组学模型；2）现有的公开数据集主要关注单一癌症类型，无法满足构建能够对不同肿瘤组织学进行最佳诊断的工具的需求；3）缺乏儿科脑肿瘤的AI模型，限制了AI技术在儿科脑肿瘤研究中的应用。该数据集的建立为解决这些问题提供了重要的数据资源。

实际应用

该数据集的实际应用场景包括：1）用于辅助临床决策，如手术规划、肿瘤监测和治疗评估；2）用于开发预测模型，以预测患者的生存预后、对治疗的反应等；3）用于构建诊断工具，以帮助医生对不同的肿瘤组织学进行准确诊断。该数据集的实际应用有助于提高儿科脑肿瘤的诊疗水平，改善患者的预后。

数据集最近研究

最新研究方向

儿童脑瘤网络多机构儿科临床放射学MRI数据集的最新研究方向主要集中在利用大规模的影像数据集，结合人工智能技术，推动儿科神经肿瘤学领域的精准医疗发展。该数据集包含了来自1,526名脑瘤患者的23,101次多参数MRI检查，涵盖了纵向的MRI图像以及相关的临床信息、数字病理切片、组织基因型和组学数据。通过这些数据，研究者们可以开发预测性分析模型，例如人工智能（AI）方法，以预测患者的分子基因型或临床预后，如生存率或对治疗的反应。此外，该数据集还支持放射组学、放射基因组学、放射病理组学和其它综合多组学分析，有助于构建能够适应不同肿瘤组织学的诊断工具。

相关研究论文

• A multi-institutional pediatric dataset of clinical radiology MRIs by the Children's Brain Tumor Network

  费城儿童医院 · 2023年