乳がんの診断を改善するための乳房剪定波弾性図のディープラーニングモデル (INSPiRED 006):国際的多センター分析

科学分野:

• 医療用イメージング
• 医療における人工知能
• 腫瘍学

背景:

• 剪定波弾性撮影 (SWE) は,乳がん診断のBモード超音波の補助として有望である.
• SWEの採用の制限は,乳房画像報告およびデータシステム (BI-RADS) 4の質量に対する検証された速度値の欠如によるものです.
• ディープラーニング (DL) モデルは,医療画像データの客観的な分析の可能性を提供します.

研究 の 目的:

• BI-RADS 3と4の乳腺のSWE画像を分析するために,AI-SWEと呼ばれるディープラーニング (DL) モデルを開発し,検証する.
• AI-SWEの診断性能を,従来のBモード超音波を用いたヒトの専門家と比較する.

主な方法:

• 7カ国の12機関が参加した国際多センター試験 (NCT02638935) のデータを活用した.
• 11のサイトからのSWE画像を使用して,EfficientNetB1ベースのDLモデルを開発しました.
• 最新のSWEソフトウェアを使用して,第12のサイトと別の機関コホートからのデータを外部で検証しました.

主要な成果:

• AI-SWEは,外部検証セットで0.94と0.93の受容器操作者曲線下の面積 (AUROC) で高い診断精度を達成しました.
• AI-SWEは,Bモード超音波と比較して,偽陽性率を62. 1%および38. 1%大幅に低下させた (P < 0. 001).
• AI- SWEは,ヒトの専門家と同等の感度を示した (97. 9%, 97. 8%, 98. 1%, P = .

結論:

• AI-SWEは,乳癌の検出においてヒトの解釈に匹敵する精度を示しています.
• AI-SWEは偽陽性発見を大幅に減らし,不必要な生検を減らす可能性があります.
• AI-SWEをマルチモダルの乳がん診断戦略に統合するためのさらなる研究が推奨されています.