胸部放射線画像を用いた肺結節のインテリジェント診断モデルと,コミュニティベースの肺がんスクリーニングにおけるその応用

科学分野:

• 医療イメージングにおける人工知能
• 放射線学と医療診断
• 腫瘍学とがん研究

背景:

• 肺がんは,多くの地域で低用量コンピュータートモグラフィー (LDCT) のような高度なスクリーニング方法へのアクセスが限られているため,世界的な健康リスクとなっています.
• 胸部X線 (CXR) は中国で肺がんの早期発見に広く利用されているが,その診断の精度は向上できる.
• 人工知能 (AI) とCXR分析を統合することで,肺がんの早期診断と管理を改善する見込みのあるアプローチが提供されます.

研究 の 目的:

• 胸部X線 (CXRs) を用いた肺がん検出の強化のためのディープラーニング (DL) モデル,CXR-RANetの開発と検証.
• 既存のディープラーニングや従来の機械学習アルゴリズムと比較して,特性の抽出と分類におけるモデルのパフォーマンスを評価する.
• 肺がんの早期診断と管理におけるコミュニティ医のためのスケーラブルなツールとしてのモデルの有用性を評価する.

主な方法:

• ディープラーニング (DL) モデルであるCXR-RANetは,TMUCIHの2518人の4079人のCXRを使用して開発され,トレーニングと検証セットに分けられました.
• このモデルは,PLCOデータセット (24,697人,画像88,562) とChestDRデータセット (4848人) の2つの大きなコホートで外部検証された.
• 性能は特徴抽出のための主流のDLアルゴリズムと,分類のための伝統的な機械学習 (ML) モデルと比較した.

主要な成果:

• CXR- RANetモデルは,内部検証では0. 933のAUC,ChestDRデータセットでは0. 818のAUCを達成した.
• PLCOデータセットでは,AUCが0. 902 (3年),0. 897 (5年),0. 793 (10年) で肺がんの発生を予測した.
• CXR-RANetモデルは,特徴抽出において主流のDLアルゴリズムと,分類タスクにおいてほとんどのMLアルゴリズムを上回った.

結論:

• CXR-RANetモデルは,CXRによる肺の結節と肺がんの診断のための堅牢でスケーラブルなツールとして機能します.
• 専門医の経験レベルに関係なく 肺がんの早期発見と管理のための 地域医療従事者の診断能力を 大きく向上させています
• 特徴抽出と分類におけるモデルの優れた性能は,広範な肺がんスクリーニングプログラムにおける潜在的な価値を強調しています.