深層学習ツールはマンモグラフィー検査における偽陽性を減らす可能性がある

2024 年 4 月 12 日 – 研究者らは、マンモグラフィー検査で特定された真の乳がん症例を見逃すことなく、偽陽性を減らすことができる深層学習ツールを開発したと発表した。 勉強 今週公開された 放射線学: 人工知能。

効果的ながんスクリーニングは患者の転帰を改善する鍵ですが、マンモグラムなどの医療画像は臨床医にとって読み取りが難しく、偽陽性につながる可能性があります。

「偽陽性とは、追加の検査のために患者を呼び戻した結果、良性であることが判明した場合のことです」と、ワシントン大学マリンクロット放射線研究所（MIR）の放射線医学教授で主任著者のリチャード・L・ワール医学博士は説明する。放射線腫瘍学の分野では、 ニュースリリース。 「それは患者に多大な不必要な不安を引き起こし、医療資源を浪費します。」

人工知能 (AI) 対応アシスタントのようなツールは、放射線科医の作業負荷から低リスクのマンモグラムを特定して削除し、乳がんの疑いのある画像に集中できるようにすることで、誤検知の問題に対処するのに役立つ可能性があります。

ただし、これには、AI モデルが真のがん症例を見逃すことなく、偽陽性に正確にフラグを立てることができる必要があります。 研究者らは、この分野での能力を判断するために、テクノロジースタートアップの Whiterabbit.ai が開発したモデルを評価しました。

そのために研究チームは、このツールに正常なマンモグラムを識別し、がんを除外するというシミュレーション研究を実施しました。 そこから、研究者らは実際の患者データを使用して、これらの低リスク画像が除去された場合に何が起こるかをシミュレーションし、放射線科医が高リスクのマンモグラムに集中できるようにしました。

このツールは、ワシントン大学の放射線科医によって収集および評価された 123,248 件の 2D デジタル マンモグラム (そのうち 6,161 件にがんが含まれていた) のセットでトレーニングされました。 その後、モデルは米国と英国の 3 つの独立したデータセットで検証されました。

研究者らはこれらのデータを使用して、二次スクリーニングと生検のために呼び戻された患者の数、それらの検査の結果、各症例ががんと診断されたかどうかを判断した。 その後、AI がデータに適用され、陰性のマンモグラムが削除され、標準的な診断手順を使用して臨床医が評価できる高リスク画像が残されました。

各データセットについて、ディープ ラーニング ツールを使用することで、真のがん症例を見逃すことなく、誤検知が大幅に減少しました。

最初の米国のデータセットでは、このモデルにより、放射線科医の読影を必要とするスクリーニング検査が 41.6 パーセント、診断検査のコールバックが 31.1 パーセント、良性の針生検が 7.4 パーセント減少しました。

これらの傾向は他のデータセットでも見られ、2 番目の米国のデータセットでは 19.5 パーセント、11.9 パーセント、6.5 パーセントの削減が見られ、英国のデータセットでは 36.8 パーセント、17.1 パーセント、5.9 パーセントの削減が見られました。

「このシミュレーション研究は、非常に低リスクのマンモグラフィーを AI によって確実に識別して、偽陽性を減らし、ワークフローを改善できることを示しました」と Wahl 氏は述べました。

これらの結果は、AI 駆動ツールが医療の質や患者の転帰を犠牲にすることなく臨床医の作業負荷を軽減できる可能性を浮き彫りにしています。

「結局のところ、私たちは、医師ががんを発見し、患者が今後の人生を歩むのを助けるスーパーヒーローである世界を信じています」と共著者であり、Whiterabbit.ai の共同創設者兼最高技術責任者であるジェイソン・スー氏は述べています。 「AI システムが役立つのは、サポート的な役割を果たすことです。 陰性箇所を正確に評価することで、干し草の山から干し草を取り除くことができ、医師が針を見つけやすくなります。 この研究は、AI が陰性試験を識別する際に潜在的に非常に正確である可能性があることを示しています。 さらに重要なことに、この結果は、陰性者の検出を自動化することで、がんの検出率を変えることなく偽陽性の削減という多大な利益をもたらす可能性があることを示しました。」

この研究はWhiterabbit.aiからの資金提供によって支援されており、ワシントン大学が同社の株式を保有している。

これらの発見は、医療画像分析における AI の有望性を強調しています。

今週、イェール大学医学部やその他の機関の研究者らが 特定された AI ベースのビデオ バイオマーカーは、臨床医が大動脈弁狭窄症を発症または急速に悪化する可能性のある患者をより正確に検出できるようにします。

ツール – デジタル [aortic stenosis] 重症度指数 (DASSi) – 心エコー検査による症状の特徴を捉えることができるため、モデルは、ベースライン時に症状のない患者、または症状が軽度または中程度の患者における大動脈弁狭窄症の発症と進行のリスクを層別化することができます。