T1大腸がん患者の全スライド画像を用いたリンパ節転移の予測のための新しい人工知能アプローチ
Yuki Miyata1, Shin-Ei Kudo1, Yuta Kouyama1
1Digestive Disease Center, Showa Medical University Northern Yokohama Hospital, 35-1 Chigasaki-chuo, Tsuzuki, Yokohama, Kanagawa, 224-8503, Japan.
Surgical endoscopy
|September 3, 2025
まとめ
人工知能 (AI) モデルは,全スライド画像と臨床データを用いてT1大腸がんのリンパ節転移 (LNM) を正確に予測します. このAIツールは,病理学的評価を補完することによって,過剰な治療を減らすことができます.
科学分野:
- 腫瘍学
- 病理学について
- 人工知能
背景:
- リンパ節転移 (LNM) の正確な評価は,内視切除後のT1大腸がん (CRC) の管理に不可欠です.
- T1 CRCにおけるLNMの病理学に基づくリスク分層は,観察者間の変動性に苦しんでいます.
- ヘマトキシリンとエオシン (HE) による全スライド画像 (WSIs) と臨床データは,LNMの評価を改善する可能性を秘めています.
研究 の 目的:
- LNMをT1 CRCで予測するためのスタッキングベースの人工知能 (AI) モデルの開発と検証.
- HEで染めたWSIと臨床特性を統合し,LNMのリスクの階層化を強化する.
- AIモデルのパフォーマンスを,現在のガイドラインベースの階層化方法と比較する.
主な方法:
- 2001年から2018年の間に治療を受けた593人のT1CRC患者のデータを用いて,スタッキングベースのAIモデルが開発されました.
- このモデルは,複数のインスタンス・セルフ・トレーニング (MIST) のスコア,性別,腫瘍の位置 (大腸対直腸) を含む.
- 内部検証は2018年から2021年のデータ,外部検証は2つの地域病院 (2018年から2023年) のデータを使用した.
主要な成果:
- AIモデルでは,内部検証では0.68,外部検証では0.80の曲線下の面積 (AUC) を達成した.
- これらのAUCは,ガイドラインに基づく階層化を大幅に上回り,両方のコホートでAUCは0. 52でした.
- このモデルは,T1 CRC患者のLNMを予測する上で優れた性能を示した.
結論:
- 開発されたAIモデルは,T1 CRCにおけるLNMリスク予測の正確で客観的な方法を提供します.
- WSIと臨床データをAIと統合することで,病理学的評価を補完することで,過剰治療を減らす可能性があります.
- モデルの臨床的有用性を確認するために,将来的な多センター試験によるさらなる検証が推奨されます.
