Google AI Studioを使用して,胸部CTの自動肺がん検出のためのコンボリューションニューラルネットワークアプリケーション
Z Aljneibi1, S Almenhali1, L Lanca1
1Department of Radiography and Medical Imaging, Fatima College of Health Sciences - Institute of Applied Technology, Abu Dhabi, United Arab Emirates.
Radiography (London, England : 1995)
|September 3, 2025
まとめ
この研究では,肺がんをCTスキャンで検出するためのAIモデルを評価した. 人工知能は悪性腫瘍を特定するのに有望ですが 精度が向上するには人間の監督が必要です
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:
- 肺がんの診断は,コンピュータトモグラフィー (CT) 画像に大きく依存しています.
- 医療イメージングの診断精度を高めるために,人工知能 (AI) モデルが開発されています.
- 肺がんを検出するAIの性能を評価することは 臨床統合に不可欠です
研究 の 目的:
- 胸部CT画像の肺がん検出のためのAI強化モデルの診断性能を評価する.
- 正常,良性,悪性肺疾患の分類におけるAIモデルの精度,感度,特異性を評価する.
- AIモデルの解釈の一貫性と行動を分析する.
主な方法:
- 公開されているIQ-OTH/NCCDデータセット (110件のCT症例) を利用した.
- 25のトレーニング画像を使用して,事前訓練されたコンボリューションニューラルネットワーク (CNN) を微調整しました.
- AIで生成されたレポートの診断精度の定量評価と定性分析を行いました.
主要な成果:
- AIモデルは全体的に 75.5%の精度,74.5%の感度,76.4%の特異性を達成した.
- ROCカーブの下の面積 (AUC) は0.824で,強力な差別力を示しています.
- 悪性症例は高性能であった (AUC=0. 902),良性症例はより困難であった (AUC=0. 615).
結論:
- AIモデルはCTスキャンで肺の悪性腫瘍を検出する有望な可能性を示しています.
- 特定性の限界と解釈の誤りは,悪性でないケースでは,人間の監視を必要とします.
- 人工知能が強化されたCTの解釈は効率を高めますが,専門家の審査の代わりではなく,意思決定支援のツールとして機能するべきです.
