CTに基づくマルチモーダル人工知能モデルによる原発性腎悪性腫瘍と腎細胞癌の鑑別：二施設共同レトロスペクティブ研究
Haishan Lin1,2, Shurong Li3, Yuhang Chen4
1Department of Urology, The First Affiliated Hospital, Sun Yat-sen University, Guangzhou, China.
Translational andrology and urology
|January 12, 2026
まとめ
腎悪性腫瘍と腎細胞癌（RCC）の術前鑑別は極めて重要である。コンピューテッド・トモグラフィー（CT）画像を用いた人工知能（AI）モデルは、これらの病態を鑑別する上で高い精度を示し、個別化された患者管理に役立つ。
科学分野:
- 放射線学および医用画像処理
- 腫瘍学
- 医用人工知能
背景:
- 原発性腎悪性腫瘍と腎細胞癌（RCC）の鑑別は、予後と治療が異なるため、困難であるが極めて重要である。
- 適切な臨床管理戦略のためには、正確な術前鑑別が不可欠である。
研究 の 目的:
- 原発性腎悪性腫瘍と腎細胞癌（RCC）の術前鑑別を目的としたコンピューテッド・トモグラフィー（CT）および臨床データを用いた診断方法を開発・評価すること。
- この診断課題における深層学習（DL）モデルの有用性を探求すること。
主な方法:
- 病理診断を受けた85例（原発性腎悪性腫瘍およびRCC対照群）のレトロスペクティブ解析。
- 臨床データとCT所見を用いたロジスティック回帰による臨床モデルの開発。
- 非造影期（UP）、皮髄質期（CMP）、造影後期（NP）の7,482枚のCT画像を用いた深層学習（DL）モデルのトレーニングと検証。
主要な成果:
- 臨床モデルはAUC 0.77を示し、主要な指標には腫瘍内動脈とGerota筋膜浸潤が含まれた。
- 深層学習（DL）モデルは高い性能を示し、非造影期（UP）モデルはAUC 0.95、精度（ACC）0.94を達成した。
- 非造影期（UP）と造影後期（NP）のDLモデルを組み合わせたものも高い性能（AUC ≈ 0.95、ACC ≈ 0.94）を示した。
結論:
- マルチモーダル人工知能（AI）モデルは、腎悪性腫瘍とRCCを効果的に鑑別する。
- これらのAI駆動型診断ツールは、臨床医が個別化された患者管理のための情報に基づいた意思決定を行うのを支援できる。
