橋本病における甲状腺結節診断の革新：AI駆動型ラジオミクスおよび深層学習モデル

科学分野:

• 医用画像
• 医療における人工知能
• 腫瘍学

背景:

• 橋本病（HT）における良性および悪性の甲状腺結節（TN）の鑑別は臨床的に困難です。
• 現在の診断方法では、合併症の可能性を伴う侵襲的な処置が必要となる場合があります。

研究 の 目的:

• HTにおけるTNのAIモデルによる診断効率を評価すること。
• AIモデルの性能をBRAFV600E検査を伴う穿刺吸引細胞診（FNA）と比較すること。

主な方法:

• 超音波画像を有するHT患者1585人の解析。
• 畳み込みニューラルネットワークを用いたラジオミクスおよびDL特徴量の抽出。
• 特徴量選択（LASSO）および機械学習を用いたDL-ラジオミクス（DLR）モデルの開発。
• AUC、精度、感度、特異度、および読影者研究を用いた性能評価。

主要な成果:

• DLRモデルは高い診断性能を示しました（検証においてAUCは最大0.917）。
• DLRモデルは若手医師よりも優れており、FNA生検と同等の結果を示しました。
• SHAPおよびGrad-CAM法は、モデル予測に関する解釈可能な洞察を提供しました。

結論:

• SHAPおよびGrad-CAMによって強化されたDLRモデルは、HTにおけるTNの診断精度を向上させます。
• このAIアプローチは、FNA細胞診と同等の診断効率を提供し、不要な生検を減らす可能性があります。
• このモデルは、臨床医が生検および治療に関する個別化された意思決定を行うのに役立ちます。