人工知能を用いた乳腺病変の分類：多施設共同研究
人工知能に基づく乳房病変の分類に関する多施設研究
乳がん領域では、早期診断は治療効果と生存率の向上に不可欠です。乳がんは、非浸潤がん(原発性がん)と浸潤がんの2種類に大別されます。これらの2つのタイプのがんでは、治療戦略と予後が大きく異なります。非浸潤がんではリンパ節転移のリスクが低い(1-2%)ため、センチネルリンパ節生検(SLNB)は推奨されません。一方、浸潤がんの場合、SLNBまたは腋窩リンパ節郭清(ALND)が必要です。したがって、術前に良性、悪性、非浸潤がん、浸潤がんを正確に区別することが非常に重要です。
コントラスト強調乳房撮影(CEM)は、腫瘍の血管特性を描出できる新しい技術で、臨床応用が広がっています。しかし、CEMは乳がんの診断では悪性病変に対する感度は高いものの、特異度は十分ではありません(66-84%)。また、従来の画像検査の解釈は放射線科医の経験に左右されるため、医師間で大きな差があります。したがって、自動的で信頼性が高く、術前に非侵襲的に良性・悪性乳房病変および非浸潤がん・浸潤がんを区別できる方法が必要不可欠です。
ディープラーニング(深層学習)は、画像認識タスクにおける優れた性能により注目を集めている強力な人工知能(AI)技術です。これまでにも深層学習をCEM画像に適用し、良性・悪性乳房病変を予測する研究がありましたが、サンプル数が少なく、複数施設のデータで汎化性能を検証していませんでした。また、深層学習が非浸潤がん・浸潤がんの識別に役立つかどうかは不明確でした。
研究の出所
本研究は、山東省、広東省、上海市、北京市などの複数の病院や研究機関の研究者が共同で行いました。主な研究施設は、烟台毓璜顶医院、山東工商学院、潍坊中医院、孙逸仙纪念医院、復旦大学附属肺癌病院、北京肺癌病院などです。主な著者はHaicheng Zhang、Fan Lin、Tiantian Zheng、Jing Gaoなどです。この論文は2024年1月18日付の「International Journal of Surgery」に掲載されました。
研究の流れ
対象と データセット
本研究には、2017年6月から2022年7月の間にCEM検査を受けた適格症例1430例が含まれています。データセットは構築セット(n=1101)、内部テストセット(n=196)、外部テストセット(n=133)に分けられました。対象はCEM検査を受け、組織学的に乳房病変が確認された女性患者です。
画像処理と特徴抽出
本研究では、RefineNetをバックボーンネットワークとし、注意メカニズムサブネットワーク(CBAM)を構築して適応的特徴最適化を行いました。CBAMの出力をグローバルプーリング層に適用し、CEM画像の最適化された深層学習特徴を生成しました。
分類モジュール
分類モジュールでは、XGBoostに最適化された深層学習特徴と臨床特徴を入力し、協調的に良性・悪性乳房病変の術前診断を行いました。特徴抽出モジュールとしてRefineNetとResNetを比較した結果、RefineNetの方が優れていました。
医師による研究
医師に乳房病変の良性・悪性を単独で評価させた後、AI モデルの支援を受けて再評価させました。単独の医師と AI 支援下の医師の診断結果を比較し、AI モデルが医師の診断能力向上に役立つかを評価しました。
生物学的基盤の探索
AIの予測の生物学的基盤を明らかにするため、12人の患者のRNA sequenceデータを用いて遺伝子解析を行いました。12人をAIの高リスク予測群と低リスク予測群に分け、DESeq2とClusterProfilerパッケージを使って発現差遺伝子と濃縮経路を同定しました。
研究結果
主な結果
良性・悪性乳房病変の識別において、AI モデルは外部テストセットで 0.932 の曲線下面積 (AUC) を達成し、最高の深層学習モデル、放射線オミックス (Radiomics) モデル、放射線科医を上回りました。さらに、AI モデルは非浸潤がんと浸潤がんの診断でも満足のいく結果 (AUC 0.788~0.824) を示しました。
生物学的基盤
高リスク群と低リスク群の遺伝子発現解析では、高リスク群が細胞外マトリックス (ECM) 組織化などの経路と関連していることが分かりました。これらの発見は、AIモデルの生物学的説明を裏付けています。
結論
CEM画像と臨床特徴に基づくAIモデルは、乳房病変の診断において優れた予測性能を示しました。良性・悪性病変の識別だけでなく、非浸潤がんと浸潤がんの区別も効果的に行えます。本研究は初めてCEM画像を用いたAI分類を行い、さらにAIモデルの生物学的基盤を探索しました。今後の臨床判断に貴重な情報を提供しています。
研究の光る点
- 注意機構深層学習特徴と臨床特徴を組み合わせたAIモデルが、良性・悪性乳房病変の診断で優れた成績を収めました。
- 非浸潤がんと浸潤がんの識別も効果的に行えました。
- AIモデルの生物学的基盤を掘り下げ、関連する遺伝子経路を発見しました。