AI-FLEET：乳腺葉状腫瘍分類のためのマルチモーダル深層学習モデルの第I相

科学分野:

• 放射線学および医用画像処理; 医療における人工知能; 腫瘍学

背景:

• 線維腺腫および葉状腫瘍（PT）を含む線維上皮性乳腺病変は、針生検において診断上の課題をもたらします。誤分類は、良性病変に対する不要な手術や、悪性PTに対する治療の遅れにつながる可能性があります。AI-FLEETプログラムは、様々なデータ型を統合することで診断精度を向上させることを目的としています。

研究 の 目的:

• 超音波および臨床データを用いて、良性葉状腫瘍（PT）と境界悪性/悪性PTを鑑別するためのAIモデルを開発・評価すること。線維上皮性病変の分類における異なる深層学習アーキテクチャのパフォーマンスを評価すること。

主な方法:

• 組織学的に確認されたPT（良性65例、境界悪性/悪性16例）を有する81例の患者の後ろ向き解析。超音波画像と臨床変数（年齢、BMI、人種、閉経状態、エコー源性、腫瘍サイズ）を用いたマルチモーダル深層学習モデル（ConvNeXt、ResNet18）のトレーニング。被験者層別5分割交差検証による評価。

主要な成果:

• マルチモーダルConvNeXtおよびResNet18モデルは、高い精度（0.91-0.92）とAUC（0.94）を達成しました。超音波のみ、または臨床データのみのモデルは、より低いパフォーマンス（それぞれAUC 0.89および0.78）を示しました。サルエンシー分析により、腫瘍内不均一性が重要な予測因子であることが特定されました。

結論:

• マルチモーダル深層学習モデルは、良性PTと境界悪性/悪性PTを効果的に鑑別します。線維上皮性病変のAI支援評価は実現可能であり、高い診断精度を示します。今後の研究（フェーズII）では、病理組織学的所見と良性線維腺腫の症例を組み込み、統合を強化する予定です。