MRIにおける肝細胞癌の深層学習によるセグメンテーション：モデル、パフォーマンス、および課題に関する系統的レビュー
Mohammadreza Elhaie1, Abolfazl Koozari2, Maryam Arjmandi3
1Department of Medical Physics, School of Medicine, Isfahan University of Medical Sciences, Isfahan, Iran.
Medicine
|December 23, 2025
まとめ
MRIスキャンにおける肝細胞癌（HCC）のセグメンテーションにおいて、深層学習モデルは有望視されている。しかし、データセットの制限と画像化の不一致が広範な臨床使用を妨げており、より大きく標準化されたデータセットとハイブリッドアプローチが必要である。
科学分野:
- 医用画像処理; 人工知能; 腫瘍学
背景:
- 肝細胞癌（HCC）は癌死亡の主要な原因である。MRIにおけるHCCの正確なセグメンテーションは、診断と治療に不可欠である。深層学習（DL）モデルは自動セグメンテーションを提供するが、課題に直面している。
研究 の 目的:
- MRIにおけるHCCセグメンテーションのためのDLモデルの系統的レビューを行う。モデルアーキテクチャ、パフォーマンス指標、および実装上の課題を評価する。臨床応用の制限要因を特定し、将来の方向性を示唆する。
主な方法:
- PRISMAガイドラインに従った系統的レビュー。主要なデータベース（PubMed、Scopus、Web of Science、Cochrane）を検索した。定量的な指標（例：Dice Similarity Coefficient）とヒト被験者を含む研究を含め、バイアスを評価した。
主要な成果:
- 13件の研究が基準を満たし、主にU-Netバリアントが使用された。Dice Similarity Coefficient（DSC）は0.61から0.954の範囲であった。課題には、小規模なデータセット、病変の異質性、MRIのばらつき、およびバイアスが含まれる。
結論:
- DLモデルはMRIにおいて堅牢なHCCセグメンテーションを達成する。データセットのサイズ、画像化のばらつき、および病変の異質性が臨床応用を制限する。進歩には、多施設共同データ、標準化されたプロトコル、および放射線科医の統合が必要である。
