肺スクリーニング症例における肺結節層別化のためのクローズドループ全自動AIモデルのパフォーマンス検証

科学分野:

• 放射線学;人工知能;腫瘍学

背景:

• 人間ベースの肺がんスクリーニング（LCS）は、高い偽陽性率、読影者間変動、診断エラーなどの課題に直面しています。;既存の人工知能（AI）モデルは、手動処理を必要とすることが多く、時間とコストが増加します。;Bronchosolveは、LCSの一貫性、精度、スループットを向上させるために設計された、新しい全自動ソフトウェアです。

研究 の 目的:

• Bronchosolve、クローズドループ全自動ソフトウェアの開発と検証、肺結節リスク分類のため。;Lung-RADSおよびBrockモデルなどの既存の方法と比較したBronchosolveのパフォーマンスの評価。;肺がんスクリーニングワークフローの効率と精度の向上。

主な方法:

• Bronchosolveは、ディープラーニング畳み込みニューラルネットワーク（CNN）を使用した前処理、分析、レポート生成を統合しています。;このシステムは、最適なシリーズ選択、正規化、結節検出、分類、レポート生成を含む、完全な胸部CTスキャンを自動的に処理します。;このモデルは、2358件のマルチセンター症例でトレーニングされ、184人の患者の米国ベースのコホートで検証されました。

主要な成果:

• Bronchosolveは、Lung-RADS（pAUC 0.669）およびBrockモデル（AUC 0.783）を大幅に上回る0.898の曲線下面積（AUC）を達成しました。;このソフトウェアは、肺結節の分類において高い感度（83.6％）と特異度（86.3％）を示しました。;パフォーマンスは、さまざまなスキャナータイプやスライス厚で一貫しており、100％自動化されたケース完了率でした。

結論:

• Bronchosolveは、肺結節に対して正確な全自動リスク分類を提供します。;このソフトウェアは、肺がんスクリーニングにおける非侵襲的診断ワークフローを大幅に強化する可能性を秘めています。;Bronchosolveのような自動化されたAIソリューションは、従来のLCS方法の限界に対処できます。