人工知能を用いたマンモグラフィによる非侵襲的乳がん受容体タイピング：系統的レビューとメタアナリシス

科学分野:

• 放射線学;腫瘍学;人工知能

背景:

• スクリーニングマンモグラフィは乳がん検出の重要なツールです。;乳がんの分子サブタイプおよび受容体状態の正確な予測は、治療決定に不可欠です。

研究 の 目的:

• スクリーニングマンモグラフィから乳がんの分子サブタイプおよび受容体状態を予測する人工知能（AI）アルゴリズムのパフォーマンスを系統的にレビューし、メタアナリシスを行うこと。

主な方法:

• PRISMA-DTA系統的レビューおよび二項ランダム効果メタアナリシスを実施しました。;主要な科学データベース（MEDLINE、Embase、Scopus、Web of Science、IEEE Xplore）で検索を行いました。;AIマンモグラフィ予測と組織病理学的所見を比較した25の研究が含まれ、バイアスリスクと質はPROBASTとTRIPODを使用して評価されました。

主要な成果:

• AIモデルは、乳がんサブタイプの予測において中程度から高程度の識別能を示し、ルミナル、HER2過剰発現、トリプルネガティブサブタイプに対するプールされたAUCは0.76から0.86の範囲でした。
• 特定の受容体状態の予測性能は様々で、マルチクラスタスクにおけるエストロゲン受容体（0.71）、プロゲステロン受容体（0.59）、HER2（0.64）、Ki-67（0.60）のAUCでした。
• 二項受容体状態予測では、HER2（0.80）、ホルモン受容体陽性状態（0.71）のAUCを示しました。

結論:

• マンモグラフィに適用されたAIは、特にルミナルおよびトリプルネガティブ疾患において、乳がんの分子サブタイプおよび受容体状態を予測するための有望で中程度から高程度の識別能力を示しています。;研究間にはかなりの異質性が観察され、AIモデルのパフォーマンスにばらつきがあることを示しています。;現在のエビデンスは臨床展開には不十分であり、将来の研究は、大規模な多施設コホート、標準化されたパイプライン、外部検証、不確実性定量化、およびマルチモーダルデータ融合に焦点を当てるべきです。