深層学習モデルにより肺腫瘍のセグメンテーション時間が半分に

大規模な後ろ向き研究のために、専門家は 1,828 個のセグメント化された肺腫瘍を含む 1,504 回の CT スキャンでアンサンブル 3D U-Net 深層学習モデルをトレーニングしました。テスト中、モデルの腫瘍体積予測は、感度、特異度、偽陽性率、およびダイス類似係数 (DSC) の測定に基づいて 3 人の放射線科医の予測と比較されました。

このモデルは、肺腫瘍の検出において感度 92%、特異度 82% を達成し、DSC 結果もそれぞれ 0.80 に対して 0.77 と、放射線科医と同様の結果をもたらしました。セグメンテーションの合計時間も、人間のリーダーと比較してモデルの方が大幅に短かったです (平均 76.6 秒対 166.1 ～ 187.7 秒)。

この改善は、あたかも 2D アーキテクチャに比べて利点があるかのように、モデルの開発に 3D U-Net アーキテクチャを使用したためである可能性があります。

「豊富なスライス間情報をキャプチャすることで、理論的には、2D モデルでは血管や気道などの構造と区別できない可能性がある小さな病変を、私たちの 3D モデルで識別できるようになります」と Kashyap 氏は述べています。

同氏は、このアプローチは「広範な影響」を及ぼし、肺がん治療の計画と管理において医療提供者を積極的に支援する可能性があると付け加えた。

調査結果について詳しく見る ここ。