AI駆動の拡散強調画像ベースの非造影プロトコルによる乳がん診断：多施設共同、多次元検証研究

科学分野:

• 放射線学および医用画像処理; ヘルスケアにおける人工知能; 腫瘍学

背景:

• 造影乳房MRIは感度が高いが、複雑で時間がかかり、造影剤を使用する。; 非造影拡散強調画像（DWI）は高速だが、単独での診断精度が不足している。; DWIの精度を向上させるための深層学習（DL）モデルを調査する。

研究 の 目的:

• 拡散強調画像（DWI）のみを使用した乳がん診断のための深層学習（DL）モデルを開発および検証する。; DWI-DLモデルと、略式造影ベース（AE-DL）モデルおよび専門医の診断性能を比較する。; DWI-DLモデルの臨床的有用性を、選択的造影シーケンスワークフローで評価する。

主な方法:

• DWIベースのDLモデル（DWI-DL）を1286人の患者データを使用して開発した。; 独立したテストには、3つの外部コホート（n=661）および前向きコホート（n=546）が含まれた。; 多読者多症例検証により、AIガイド選択シーケンスプロトコルの性能と解釈時間を評価した。

主要な成果:

• DWI-DLモデルは、すべてのコホートでAE-DLモデルに匹敵する診断性能を示した（AUC：0.771-0.912 vs 0.780-0.898）。; DWI-DLは、DWI単独で解釈する専門医（AUC：0.781-0.858 vs 0.714-0.770）を上回った。; AIガイド選択プロトコルは、フルプロトコル（AUC：0.834 vs 0.835）に劣らず、解釈時間を55.5%短縮した。

結論:

• 非造影DWIのみを利用するDLモデルは、乳がんを正確に診断できる。; DWI-DLモデルは、人間のDWI解釈を上回り、時間を短縮する堅牢な性能を提供する。; DWI-DLモデルと選択的造影シーケンスを組み合わせることで、乳がん診断を合理化する有望なツールとなる。