Desafío CURVAS-PDACVI
Segunda edición
Este reto está alojado en Grand Challenge: https://curvas-pdacvi.grand-challenge.org/
INTRODUCCIÓN
En las imágenes médicas, los modelos de Aprendizaje Profundo (AD) a menudo tienen la tarea de delinear estructuras o anomalías dentro de estructuras anatómicas complejas, como tumores, vasos sanguíneos u órganos. La incertidumbre surge de la complejidad y variabilidad inherentes a estas estructuras, lo que dificulta la definición precisa de sus límites. Esta incertidumbre se ve agravada por la variabilidad entre evaluadores, ya que distintos expertos médicos pueden tener opiniones divergentes sobre dónde se encuentran los verdaderos límites. Los modelos DL deben lidiar con estas discrepancias, lo que provoca incoherencias en los resultados de la segmentación entre distintos anotadores y puede afectar a las decisiones de diagnóstico y tratamiento.
Abordar la variabilidad entre evaluadores en la DL para la segmentación médica implica el desarrollo de algoritmos robustos capaces de captar y cuantificar la incertidumbre, así como estandarizar las prácticas de anotación y promover la colaboración entre expertos médicos para reducir la variabilidad y mejorar la fiabilidad del análisis de imágenes médicas basado en la DL. La variabilidad interrogativa plantea importantes retos en el campo de la DL para la segmentación de imágenes médicas.
Este reto está diseñado para promover la concienciación sobre el impacto que tiene la incertidumbre en las aplicaciones clínicas del análisis de imágenes médicas. En nuestra edición del año pasado, propusimos un concurso basado en modelar la incertidumbre de segmentar tres órganos abdominales, a saber, riñón, hígado y páncreas, centrándonos en el volumen del órgano como magnitud clínica de interés. Este año, vamos un paso más allá y proponemos segmentar estructuras patológicas pancreáticas, concretamente el Adenocarcinoma Ductal Pancreático (PDAC), con el objetivo clínico de comprender la afectación vascular, una medida clave de la resecabilidad tumoral. En este contexto, la cuantificación de la incertidumbre es una tarea mucho más difícil, dados los contornos salvajemente variables que muestran las distintas instancias de PDAC.
Este año, proporcionaremos un conjunto de datos más rico, en el que partiremos de un conjunto de datos ya existente de TC abdominales mejoradas con contraste y verificadas clínicamente con un único conjunto de anotaciones manuales (proporcionado por la organización PANORAMA, a la que invitamos a formar parte de nuestro reto), y nos esforzaremos por construir cuatro anotaciones manuales adicionales por caso de PDAC. De este modo, reuniremos un conjunto de datos único que crea una notable oportunidad para analizar el impacto de las anotaciones de múltiples evaluadores en varias dimensiones, por ejemplo, diferentes protocolos de anotación o diferentes experiencias de los anotadores, por nombrar algunas.
CALENDARIO

Liberación del Conjunto de Entrenamiento
Abierto el plazo de presentación de validaciones
Abierto el plazo de presentación de pruebas
Fecha de publicación de los resultados

Del 23 al 27 de septiembre de 2025, ¡reúnete con nosotros en Daejeon para MICCAI 2025!
DATASET
La cohorte del reto está formada por 125 TC seleccionadas del conjunto de datos del reto PANORAMA. En la selección se dio prioridad a las exploraciones con etiquetas generadas manualmente, excluyendo las que tenían anotaciones automatizadas. También se dio preferencia a los casos con pruebas diagnósticas concluyentes (por ejemplo, patología, citología, histopatología). Para garantizar la representatividad en el mundo real, se evaluaron los tamaños de las lesiones para cubrir una amplia gama de casos, mientras que los datos demográficos de los pacientes, incluidos el sexo y la edad, se tuvieron en cuenta para minimizar el sesgo.
La distribución por edades objetivo es la siguiente: menos de 50 años (5%), 50-59 años (15%), 60-69 años (20%), 70-79 años (30%) y 80-89 años (30%). La distribución por sexos apunta a un 40-50% de mujeres y un 50-60% de hombres. En cuanto a la localización del tumor, aproximadamente el 60-70% de los casos afectan a la cabeza del páncreas, el 15-25% al cuerpo y el 10-15% a la cola.
Antes de enviar las exploraciones para su segmentación, se realizó una revisión visual preliminar para garantizar la ubicación, el tamaño y la relevancia clínica del tumor, manteniendo la representatividad del conjunto de datos. Cada TC recibirá cuatro anotaciones adicionales de radiólogos de la Universitätsklinikum Erlangen, el Hospital de Sant Pau y el Hospital de Mataró. Además, las etiquetas existentes del conjunto de datos PANORAMA (venas, arterias y páncreas) se utilizarán para una evaluación exhaustiva en el reto.
Cohorte de la fase de entrenamiento:
40 tomografías computarizadas se darán las anotaciones respectivas. Se anima a aprovechar los datos externos disponibles públicamente anotados por múltiples calificadores. La idea de dar una pequeña cantidad de datos para el conjunto de entrenamiento y dar la oportunidad de utilizar un conjunto de datos público para el entrenamiento es hacer que el reto sea más inclusivo, dando la opción de desarrollar un método utilizando datos que están en manos de cualquiera. Además, al utilizar estos datos para entrenar y otros para evaluar, lo hace más robusto a los cambios y otras fuentes de variabilidad entre conjuntos de datos.
No se pueden utilizar los datos procedentes de los lotes PANORAMA 1(https://zenodo.org/records/13715870), 2(https://zenodo.org/records/13742336) y 3(https://zenodo.org/records/11034011). Se puede utilizar el Lote 4(https://zenodo.org/records/10999754).
El conjunto de datos de entrenamiento se cargará en Zenodo.
Encuentra nuestra evaluación y el código base de la edición anterior en nuestro Github: https://github.com/SYCAI-Technologies/curvas-challenge
Cohorte de la fase de validación:
Se utilizarán 5 TC para la fase de validación.
Cohorte de la fase de prueba:
Se utilizarán 80 TC para la evaluación.
Las cohortes de TC de validación y de prueba no se publicarán hasta el final del reto.
CLASIFICACIÓN Y PRECIOS
Se anunciarán públicamente los cinco métodos con mejores resultados. Se invitará a los ganadores a presentar sus métodos y resultados en el evento del desafío que se celebrará en el MICCAI 2025.
Dos miembros del equipo participante pueden ser calificados como autores (uno debe ser la persona que presenta los resultados). Los equipos participantes pueden publicar sus propios resultados por separado sólo después de que el organizador haya publicado un documento de desafío y mencionando siempre el documento de desafío del organizador.

ORGANIZADORES

Sycai Medical
Meritxell Riera i Marín, Doctoranda
Doctor Javier García López
Dra. Júlia Rodríguez Comas
Universitat Pompeu Fabra
Doctor Miguel Angel González-Ballester
Sikha O K, Doctor
EN COLABORACIÓN CON



Hospital de la Santa Creu i Sant Pau
Dr. Antón Aubanell
Uniklinikum Erlangen
Dr. Ruben de Figueiredo Cardoso
Dra. Saskia Eggerhacken
Consorci Sanitari del Maresme – Hospital de Mataró
Dra. Montserrat Duh
COMITÉ TÉCNICO Y CIENTÍFICO






Dr. Pierre-Henri Conze
IMT Atlantique, LaTIM UMR 1101 INSERM (Francia)
Dr. Adrián Galdrán
Tecnalia (España)
Rami Eisawy
Grupo de Modelado Biomédico Basado en Imágenes (IBBM) y responsable técnico en DeepC (Alemania)
Dra. Inez Verpalen
Centro Médico Universitario de Ámsterdam (UMC) (Países Bajos)
Dr. Matthias May
Uniklinikum Erlangen (Alemania)
Dr. Juan Carlos Pernas Canadell
Hospital de Sant Pau i de la Santa Creu (España)
APOYADO POR







