肝細胞癌の組織学的グレード予測のための造影MRIに基づく解釈可能な深層学習フレームワーク
Wenjun Hu1, Xiuding Cai2,3, Ying Zhao1
1Department of Radiology, First Affiliated Hospital of Dalian Medical University, Dalian, China.
Quantitative imaging in medicine and surgery
|January 12, 2026
まとめ
解釈可能な深層学習モデル（iHCG-Net）がMRIスキャンから肝細胞癌（HCC）のグレーディングを正確に予測する。このAIツールは予測に関する洞察を提供し、従来のメソッドを凌駕して術前評価を向上させる。
科学分野:
- 医用画像
- 人工知能
- 腫瘍学
背景:
- 組織病理学的グレーディングは、肝細胞癌（HCC）の予後にとって重要である。
- HCCグレーディングのための深層学習モデル（DLM）は、臨床的解釈可能性を欠いている。
- 多相造影MRIからHCCグレードを予測するための解釈可能なDLMが必要である。
研究 の 目的:
- 術前HCCグレーディングのための解釈可能なDLM（iHCG-Net）を開発する。
- 多相造影MRIを使用してHCCグレードを予測する。
- HCC診断におけるAIの臨床的適用性を向上させる。
主な方法:
- 術前造影MRIを有する370名のHCC患者の後ろ向き研究。
- コンセプト・ボトルネック・モデル（CBM）フレームワークとDenseNet-121を使用してiHCG-Netを開発した。
- 受信者操作特性（ROC）曲線分析およびDeLong検定を使用してモデル性能を検証した。
主要な成果:
- iHCG-Netは、0.893（トレーニング）および0.802（検証）のAUCを達成した。
- 従来の臨床的・放射線学的モデルおよび放射線ゲノミクスモデル（P<0.05）を凌駕した。
- 解釈不可能なDLMと同等の性能でありながら、解釈可能性を追加した。
結論:
- iHCG-Netは、術前HCCグレーディングのための解釈可能なAIツールとして有望であることを示している。
- このモデルは、特徴の寄与を理解し、腫瘍内動脈を主要な予測因子として特定するのに役立つ。
- HCC患者の術前評価と治療計画の改善を促進する。
