内視鏡超音波画像に適用された新しい深層学習アプローチによる消化管間質腫瘍リスク層別化の強化

科学分野:

• 消化器病学
• 腫瘍内科
• 医療画像
• 人工知能

背景:

• 消化管間質腫瘍（GIST）は、その多様な悪性ポテンシャルにより、管理において正確なリスク評価が不可欠です。
• 内視鏡超音波（EUS）は、GIST評価のための主要な画像モダリティです。
• 従来の予測モデル（TRPM）には、GIST分類における限界があります。

研究 の 目的:

• EUS画像を用いた新しい深層学習ベースのGISTリスク予測モデル（DLRPM）を開発および評価すること。
• DLRPMの性能をTRPMおよび複合リスク予測モデル（CRPM）と比較すること。
• GIST分類精度を向上させ、臨床的意思決定を改善すること。

主な方法:

• 341人のGIST患者の内視鏡超音波画像の後ろ向き分析。
• DLRPM、TRPM、CRPMの開発と検証。
• 感度、特異度、予測値、精度、ROC曲線分析を用いた性能評価。

主要な成果:

• DLRPMは、TRPMの71.10％と比較して、92.65％という優れた精度を達成しました。
• CRPMは90.32％の予測精度を示しました。
• DLRPMの曲線下面積は0.932、CRPMは0.909、TRPMは0.843であり、AIモデルの強力な予測性能を示しています。

結論:

• 新しいDLRPMは、EUSによるGISTリスク層別化の精度を大幅に向上させます。
• CRPMは、深層学習と従来のメソッドを統合することで、有望なアプローチを提供します。
• これらの進歩は、GIST管理における臨床的意思決定と患者転帰の最適化の可能性を秘めています。