深層学習を用いたCT画像診断支援：直腸腺癌の浸潤深度予測

科学分野:

• 放射線学および医用画像処理
• 腫瘍学における人工知能
• 医療診断のための深層学習

背景:

• 腫瘍浸潤深度の正確な評価は、直腸腺癌の病期分類にとって極めて重要です。
• 早期（粘膜下層/固有筋層）と進行期（漿膜外/隣接構造）の浸潤を鑑別することは、治療戦略に影響を与えます。

研究 の 目的:

• 増強CT画像を用いた直腸腺癌の腫瘍浸潤深度評価のための深層学習モデル、RectoDepthAIを開発・評価すること。
• 非侵襲的に直腸癌の早期と進行期の病期を鑑別すること。
• 直腸癌の病期分類における診断精度を向上させること。

主な方法:

• RectoDepthAIは、ResNet-18を特徴抽出に、Long Short-Term Memory（LSTM）をCTスライス列解析に使用します。
• 934人の患者データセットを使用し、データ前処理、拡張、5分割交差検証を実施しました。
• モデルの解釈可能性のためにGradient-weighted Class Activation Mapping（Grad-CAM）を採用しました。

主要な成果:

• RectoDepthAIは、5回の検証ラウンドで平均AUC 0.883、精度84.1%、感度87.0%、特異度80.0%を達成しました。このモデルは、腫瘍浸潤深度の鑑別において堅牢なパフォーマンスを示しました。Grad-CAMは、診断予測のための解釈可能性を高めました。

結論:

• RectoDepthAIは、直腸腺癌の病期分類のための非侵襲的ツールとして大きな可能性を示しています。
• このモデルは診断精度を向上させ、臨床医の治療方針決定を支援します。
• CT画像のAI駆動型解析は、直腸癌管理に価値あるアプローチを提供します。