甲状腺および乳房結節における悪性リスク予測のための深層学習ベースモデルに関する研究

科学分野:

• 人工知能
• 腫瘍学
• 医用画像

背景:

• 甲状腺および乳房結節の正確な悪性リスク予測は、適時の診断と治療のために非常に重要です。
• 現在のAIモデルは単一臓器に焦点を当てることが多く、多様な内分泌結節データセットへの適用が制限されています。

研究 の 目的:

• 甲状腺および乳房結節の両方における悪性リスクを予測するための、統一された臓器横断型人工知能（AI）モデルを開発および検証すること。
• マルチタスク深層学習（DL）を活用して、異なる種類の内分泌結節における診断パフォーマンスを向上させること。

主な方法:

• 2386個の甲状腺結節および2753個の乳房結節の臨床データを使用して、Transformerアーキテクチャに基づくマルチタスク深層学習モデルを構築しました。
• モデルは、特徴共有と臓器固有の層を組み込み、5分割交差検証および独立した外部検証セット（n=835）で評価されました。
• AIモデルの意思決定プロセスを解釈し、主要な予測特徴を特定するためにSHAP分析が用いられました。

主要な成果:

• AIモデルは、甲状腺結節（AUC=0.932）および乳房結節（AUC=0.917）に対して高い性能を示し、優れた感度と特異度を達成しました。
• 臓器横断型モデルは、小規模データセットにおいて単一臓器モデルを上回り、外部検証（AUC>0.90）でも安定した性能を維持しました。
• SHAP分析により、共通の重要特徴（例：辺縁不規則性、石灰化）および臓器固有の特徴（例：血流信号）が特定されました。

結論:

• 甲状腺および乳房結節における悪性リスク予測のための高性能な臓器横断型AIモデルが開発されました。
• この統一された深層学習アーキテクチャは、内分泌腫瘍のAI支援診断のための新しいパラダイムを提供し、精密なリスク層別化を可能にします。
• 本研究結果は、腫瘍学における診断精度と効率の向上に向けたマルチタスク学習の可能性を強調しています。