Mirai マンモグラフィの乳がんリスク予測モデルにおける特徴を説明可能なAIを用いる
Yao-Kuan Wang1, Zan Klanecek2, Tobias Wagner1
1Department of Imaging and Pathology, University Hospital Leuven, Herestraat 49, Box 7003, 3000 Leuven, Belgium.
Radiology. Artificial intelligence
|September 3, 2025
まとめ
人工知能 (AI) ツールであるMiraiは,改善された病変検出とがんリスク予測のためのマンモグラフィの結晶を特定します. 説明可能なAIは ミライが特定の化特性から学習し 診断能力を高めることを確認しました
科学分野:
- 放射線科
- 人工知能
- 医療用イメージング
背景:
- マンモグラフィーは乳がんのスクリーニングに不可欠です.
- マンモグラフィの解釈を改善するために AI ツールが開発されています
- AI機能の関連性を理解することは,臨床統合の鍵です.
研究 の 目的:
- ミライの抽出した特徴が マンモグラフィの観測と一致するかどうかを評価する.
- これらの特徴ががんリスクの予測に有意義な貢献をするかどうかを判断する.
- AIで特定された特徴の臨床的関連性を評価する.
主な方法:
- EMBEDデータセットから得られた 29,374件のマンモグラフィを遡及的に分析した.
- 機能中心の説明可能なAIパイプラインを使用して512のMirai機能を評価しました.
- 受信器の動作特性曲線 (AUC) 以下の面積を使用して,損傷の検出とリスクの予測を評価します.
主要な成果:
- Miraiは,カルシフィケーションのみ (CalcMirai) または質量のみ (MassMirai) のモデルと比較して,病変検出の優れた性能を示しました.
- Mirai と CalcMirai の間で5年後のがんリスク予測において有意な差は認められなかった.
- マスミライはミライと比較してリスク予測の性能が低下した.
結論:
- 説明可能なAIは,ミライが暗黙にマモグラフィの病変の特徴を特定することを確認しています.
- ミライの化特性を活用する能力は 病変の検出とリスク予測の両方に価値があります
- この研究は,マンモグラフィにおけるAIで抽出した特徴の臨床的関連性を検証しています.
さらに関連する動画
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
06:19Constructing and Visualizing Models using Mime-based Machine-learning Framework
Published on: July 22, 2025
617
関連する概念動画
02:43Mouse Models of Cancer Study
5.7K
Mice have long served as models for studying human biology and pathology because of their phylogenetic and physiological similarity with humans. They are also easy to maintain and breed in the laboratory, and hence, many inbred strains are now available for research. Studies on mice have contributed immeasurably to our understanding of cancer biology.
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...
5.7K
01:15Receiver Operating Characteristic Plot
331
A ROC (Receiver Operating Characteristic) plot is a graphical tool used to assess the performance of a binary classification model by illustrating the trade-off between sensitivity (true positive rate) and specificity (false positive rate). By plotting sensitivity against 1 - specificity across various threshold settings, the ROC curve shows how well the model distinguishes between classes, with a curve closer to the top-left corner indicating a more accurate model. The area under the ROC curve...
331