CT画像からの胃癌Tステージ判定における解釈可能な深層学習

科学分野:

• 腫瘍学
• 放射線学
• 人工知能

背景:

• 胃癌の術前Tステージングは、治療計画において非常に重要です。
• 従来の造影CT検査による胃癌のステージング解釈は、一貫した信頼性に欠け、主観的です。

研究 の 目的:

• 日常的なCT画像を用いた胃癌の術前Tステージングのための、自動化された解釈可能な深層学習フレームワーク（GTRNet）を開発および検証すること。
• GTRNetの放射線科医に対する性能を比較すること。

主な方法:

• 1792人の患者を対象とした後ろ向き多施設共同研究を実施しました。
• GTRNetは、手動でのセグメンテーションやアノテーションなしでCT画像でトレーニングされたエンドツーエンドの深層学習モデルです。
• モデルの性能は、内部および2つの独立した外部コホートで評価されました。

主要な成果:

• GTRNetは、内部および外部の両方の検証コホートで、高い識別能（AUC 0.86-0.95）と精度（81-85%）を示しました。
• この深層学習モデルは、Tステージング精度において人間の放射線科医を上回りました。
• 説明可能なAI（Grad-CAM）は、胃壁と漿膜への注意を強調し、解釈可能性を高めました。

結論:

• 開発されたGTRNetフレームワークは、CTベースの胃癌Tステージングのための自動化された解釈可能なソリューションを提供します。
• このパイプラインは、術前ステージングを標準化し、新補助療法の選択を改善する可能性があります。
• GTRNetのrad-scoreと臨床的因子を組み合わせたノモグラムは、従来の.,方法よりも改善された臨床的有用性を示しました。