乳房ケアトリアージにおける機械学習と専門医の比較評価：実世界観察研究

科学分野:

• 医用画像
• 人工知能
• 腫瘍学

背景:

• 乳がんの診断は、患者紹介のタイムリーかつ正確なトリアージに大きく依存しています。
• 医師ベースのトリアージは時間がかかり、ばらつきが生じる可能性があります。
• 機械学習（ML）は、診断精度と効率を向上させる可能性を提供します。

研究 の 目的:

• 専門医と比較して、特許取得済みの乳房特異的MLモデルの診断精度と効率を比較すること。
• 乳房紹介トリアージのための標準化された実世界の臨床データを使用してMLモデルのパフォーマンスを評価すること。

主な方法:

• 174の標準化された乳房症例（46の疾患タイプ、23のがん）を使用したレトロスペクティブ観察研究。
• MLモデルと医師はそれぞれ症例ごとに3回の診断予測を行いました。
• パフォーマンス指標には、感度、特異度、陽性的中率、陰性的中率、ROC分析が含まれていました。時間効率も評価されました。

主要な成果:

• MLモデルは医師の83.9%に対し100%の診断精度を達成しました。
• MLモデルは、より高い感度（0.947対0.826）と陽性的中率（0.500対0.442）を示しました。
• MLモデルは、医師の0.83に対し0.91のAUCで、より優れた予測能力を示しました。

結論:

• MLモデルは、医師の診断精度に匹敵またはそれを上回り、トリアージ時間を大幅に短縮しました。
• AIを活用したトリアージツールは、乳がん紹介の効率性と標準化を向上させる可能性を示しています。