胃腸上皮化生の機械学習ベース検出により臨床で見逃された症例を特定

科学分野:

• 消化器病学
• 計算病理学
• 腫瘍学

背景:

• 胃腸上皮化生（GIM）は、胃がんの重要な危険因子です。
• GIMの正確な診断は、臨床的意思決定と患者管理に不可欠です。
• 現在の診断方法では、診断の見逃しが発生する可能性があります。

研究 の 目的:

• 見逃されたGIM診断を検出するための人工知能（AI）パイプラインを開発および評価すること。
• 病理データからGIMを定量化するための自動化されたアプローチを作成すること。
• 全体スライド画像と病理レポートのレビューにおけるAIのパフォーマンスを評価すること。

主な方法:

• GIM検出のために、パッチベースの分類器を含むAIパイプラインが開発されました。
• このパイプラインは1935の胃生検検体を分析し、AIの所見と臨床病理レポートを比較しました。
• 不一致のある症例は、3人の独立した病理医によってレビューされました。大規模言語モデルがレポートテキストを評価しました。

主要な成果:

• AIパイプラインは、レビューされた297例中30例（検体の約1.5％）で、以前は見逃されていたGIMを検出しました。
• GIMのAI定量化は、人間によるスコアリングと強く一致しました（Spearman相関係数=0.90）。
• 大規模言語モデルは、GIMの有無に関する病理レポートの分類において99.3％の精度を達成しました。

結論:

• AIベースの品質保証パイプラインは、見逃されたGIMを検出し、診断ギャップに対処できます。
• 自動化されたAI分析は、GIM管理に役立つ可能性のある定量的洞察を提供します。
• AIツールは、GIM診断の精度と効率を向上させる可能性を示しています。