月曜日に発表された最新の研究によると、ディープラーニングのアルゴリズムは医師が患者の肺がんリスクを予測するのに役立つ可能性があるという。
肺がんは米国で最も致死率の高いがんであり、2018年には推定16万人が死亡しました。早期発見することで、死亡率を最大43%低減できます。現在、医師はCTスキャンによるスクリーニングで肺の結節を検査しています。組織の大きさ、密度、成長を調べ、必要に応じて治療計画を推奨します。
しかし、このプロセスは完璧ではありません。医師は依然として偽陰性や偽陽性に惑わされる可能性があります。Google AI、スタンフォード・ヘルスケア、パロアルト退役軍人局、ノースウェスタン・メディシン、ニューヨーク大学ラゴン・メディカルセンターの研究者グループは、AIアルゴリズムが診断の質を向上させる可能性があると考えています。
AIを日の当たらないところに押しやりたいと思っているのは承知しています。そして、AIはまさにそこへ向かっています――前立腺がんの検出です。
続きを読む
「肺がん検査の感度と特異度を向上させることは、誤診、誤診、偽陰性や偽陽性による不必要な生検処置による臨床的、経済的コストが高いため、必要不可欠である」と研究者らはネイチャー誌に掲載された論文に記している。
研究チームは、肺がんCTスキャン画像を分析するための畳み込みニューラルネットワークを開発しました。このモデルは、6,716症例でテストした結果、94.4%の精度を達成しました。このモデルは、公開データセットであるNational Lung Screening Trial（NLST）から取得した約3万枚の画像を用いて学習されました。
各 3D スキャンは「ボリューム」に分割され、患者が生検またはその他の手術を受けて肺がんと診断された場合は各ボリュームにがん陽性のラベルが付けられ、スキャンから 1 年後にがんが消失した場合はがん陰性のラベルが付けられます。
結節はバウンディングボックスで強調表示されます。アルゴリズムは患者の過去と現在のスキャン画像を調べ、関心領域に焦点を当てることで、結節が時間の経過とともに発達したかどうかを確認します。その後、結節に「悪性度スコア」が割り当てられ、患者が肺がんである可能性が判断されます。
CNNモデルは臨床現場で6人の放射線科医よりも優れた性能を示しました。209人の患者の最新のスキャン画像1,139枚を分析した結果、偽陽性を11%、偽陰性を5%削減しました。しかし、患者の過去のスキャン画像を考慮すると、アルゴリズムと放射線科医の性能は同等でした。
「スクリーニングプログラムの規模が拡大するにつれて、臨床応用性を確保するためには、より堅牢な後ろ向き研究と前向き研究が必要となるでしょう。今後の研究では、悪性腫瘍リスクの計算や局在評価など、モデル出力評価を放射線科医に提示するための様々なアプローチを検討したいと考えています」と論文は結論づけています。
研究者たちは、同様のアルゴリズムが MRI や PET スキャンなどの 3D 医用画像処理の他の分野にも適用できることを期待しています。®
