乳がんにおけるHER2発現予測のための説明可能なディープラーニング：多施設共同研究

科学分野:

• 腫瘍学
• 医用画像
• 人工知能

背景:

• ヒト上皮増殖因子受容体2（HER2）は、乳がんの予後と治療選択のための重要なバイオマーカーです。
• 現在のHER2評価には侵襲的な組織生検が必要であり、患者にリスクとコストをもたらします。

研究 の 目的:

• 術前のHER2発現を非侵襲的に予測するための、解釈可能なディープラーニング画像フレームワークを作成すること。
• 術前の患者層別化と治療計画を支援するツールを開発すること。

主な方法:

• HER2状態が確認された450人の乳がん患者のMRIデータと臨床記録の遡及的分析。
• HER2陽性確率スコア（Dスコア）を生成するためのResNetベースのディープニューラルネットワークの開発。
• ROC分析を用いて検証された、結合予測モデルのための独立した臨床予測因子とのDスコアの統合。

主要な成果:

• 結合されたディープラーニングモデルは、外部検証でAUC 0.809を達成し、臨床モデルを上回りました。
• 解釈可能性分析により、Dスコア、リム増強、およびリンパ節径が主要な予測因子であることが強調されました。
• モデルは、正確で非侵襲的、かつ解釈可能なHER2発現予測を示しました。

結論:

• 提案されたディープラーニングフレームワークは、乳がんにおけるHER2発現を予測するための正確で非侵襲的な方法を提供します。
• このツールは、術前の層別化方法として機能し、個別化された治療を導き、侵襲的生検への依存を減らす可能性があります。