MRI ベースの機械学習アプローチで乳がんの転移を予測

2024年5月31日 – 磁気共鳴画像（MRI）ベースの機械学習アプローチ 発展した UTサウスウェスタン医療センターの研究者らによるこの研究は、乳がんの転移の検出を改善し、生検の必要性を減らす可能性がある。

このツールは4次元畳み込みニューラルネットワークで、動的造影（DCE）乳房画像と臨床データを統合して腋窩転移（がん細胞が脇の下のリンパ節に見つかる現象）を検出するように設計されています。

「乳がんによる死亡のほとんどは転移によるもので、最初の転移は通常腋窩リンパ節です」と 勉強 ニュースリリースで、テキサス大学サウスウェスタン校の放射線学教授、乳房画像研究部長、ハロルド・C・シモンズ総合がんセンター所属の医学博士バサク・ドーガン氏はこう述べています。「リンパ節の状態を判断することは治療の決定を導く上で重要ですが、従来の画像技術だけでは腋窩転移を除外する感度が十分ではありません。そのためには、多くの場合、患者は放射性同位元素と色素注入を伴う侵襲的処置を受け、その後手術で腋窩リンパ節を切除し、そこにがん細胞があるかどうか検査する必要があります。」

この分析は、テキサス大学サウスウェスタン校とムーディー乳がんセンターでリンパ節転移の状態が判明している新たに乳がんと診断された患者 350 人のデータと医療画像に基づいて行われた。この情報を入力し、腋窩転移を特定するというタスクを実行したところ、このツールは受信者動作特性曲線下面積 (AUC) 0.87、感度 89%、特異度 76% を達成した。

このモデルは、セーフティネット病院と大学病院の 2 つの独立したデータセットで同様のパフォーマンスを発揮しました。セーフティネット病院のデータでトレーニングした場合、ツールの AUC は 0.84 に達しましたが、大学病院のデータでモデルをトレーニングした場合、パフォーマンスはわずかに低下して 0.81 AUC になりました。

さらに、このツールは腋窩転移患者の 95% を正確に特定し、不必要な外科的センチネルリンパ節生検を回避する可能性を実証しました。

「これは重要な進歩です。なぜなら、外科的生検は、がん細胞の存在を確認する陽性結果が出る確率が低いにもかかわらず、副作用やリスクを伴うからです」とドガン氏は説明した。「このモデルを使用することで、通常のMRI検査中に腋窩転移を除外する能力を向上させることで、そのリスクを軽減し、臨床結果を向上させることができます。」

「従来のMRI検査や針生検で良性の所見が出た患者は、センチネルリンパ節生検を受けることが多い。なぜなら、こうした検査では転移のかなりの割合を見逃してしまう可能性があるからだ」と彼女は続けた。「私たちの研究は、転移のない患者を高い精度で特定することが可能であることを実証しており、これは患者にとって有益であり、医師が治療をカスタマイズすることも可能になる」

この研究は、乳がんの転移を予測するツールの開発を目的としたUTサウスウェスタンのこれまでの研究に基づいています。

「医療用画像処理のためのAIモデルの開発と検証は、乳がんやその他のがんとの戦いに役立つ大きな可能性を秘めており、この新しいツールは大きな前進です」とドーガン氏は述べた。

この研究は、がん治療の改善を目指して AI を応用した最新の研究です。

3月、セントルイスのワシントン大学医学部の研究者らは 発展した 非小細胞肺がん（NSCLC）患者のうち、どの患者が脳転移を起こす可能性が高いかを予測するディープラーニングツール。

がんが脳に達すると、免疫療法、化学療法、放射線療法、標的薬物療法などの積極的な治療が必要になるが、リスクのある患者を特定する方法は依然として不明である。

このギャップを埋めるために、研究チームは肺の組織病理画像を使用して脳転移リスクを予測するディープラーニングツールを構築しました。このツールは、病理学者が見逃す可能性のある生検画像内の異常な特徴にフラグを立てることで予測を行い、臨床医よりも優れていることが示されました。