大腸がんのCT画像を用いたマイクロサテライト不安定性ステータスの2段階ディープラーニング予測システム

科学分野:

• 放射線学
• 腫瘍学
• 人工知能

背景:

• マイクロサテライト不安定性（MSI）は大腸がんの予後と治療における重要なバイオマーカーです。
• MSIステータスの正確な同定は、個別化がん治療にとって重要です。
• MSI検出の現在の方法は、侵襲的または時間がかかる場合があります。

研究 の 目的:

• 大腸がんにおけるMSIステータスの自動同定のための新しい2段階ディープラーニングアプローチを開発および検証すること。
• CTスキャンから大腸がん病変をセグメント化し、MSIステータスを診断する上でのディープラーニングモデルのパフォーマンスを評価すること。
• モデルの診断精度を評価し、専門放射線科医とのセグメンテーション能力を比較すること。

主な方法:

• 108件の大腸がんの増強CTスキャンのデータセットが使用されました。
• MSI-SAMによる病変セグメンテーションとMSIステータス決定のための診断モデルの2段階ディープラーニングモデルが開発されました。
• モデルは、MSIステータス（MSI-H/MSS）を予測するために、元のCT画像とセグメンテーションマスクを処理しました。

主要な成果:

• MSI-SAMセグメンテーションモデルは、異なる大腸セグメント全体で高いパフォーマンスを示しました（DSC：0.747-0.857）。
• MSIステータス診断モデルは、0.935のAUC、0.913の精度、1.000の感度、0.846の特異度を達成しました。
• ディープラーニングセグメンテーションは、専門放射線科医に匹敵する結果を達成しました。

結論:

• 開発されたディープラーニングモデルは、手動セグメンテーションなしでCTスキャンから大腸がんのMSIステータスを効果的に同定します。
• AI駆動のセグメンテーションおよび診断モデルは、大腸がん患者の臨床的意思決定を支援する上で大きな可能性を示しています。
• この自動化されたアプローチは、腫瘍学におけるMSIステータス評価のための有望な非侵襲的ツールを提供します。