ログイン・会員登録

会員の方

ID・パスワードをお持ちの方は、
こちらからログインください。

パスワードをお忘れの方はこちら

認証キーの承認をされる方はこちら

2016年1月より会員IDがメールアドレスに統一されました。

会員登録されていない方

会員限定コンテンツのご利用には、会員登録が必要です。

新規会員登録

サイトマップお問合わせ

  • 新規会員登録
  • ログイン

2022/04

卵巣がんの治療転帰を予測するAIを開発
腹腔鏡画像の形態学的パターンから奏効可能性を判定

AI Model May Help Predict Ovarian Cancer Treatment Outcomes

腹腔鏡検査画像を用いた人工知能(AI)モデルは、進行した高異型度漿液性卵巣がん(HGSOC)の術前評価の時点で臨床転帰を予測できる可能性があるという研究結果が、米国婦人科腫瘍学会年次学術集会(SGO2022、3月18~21日、米フェニックス/オンライン開催)で3月19日、発表された。

米テキサス大学MDアンダーソンがんセンターのDeanna Glassman氏らは、2013~2019年に病理診断されたHGSOC患者113人の腹腔鏡手術動画から治療前の静止画像435枚を取得し、ニューラルネットワークを用いた深層学習モデル(AIモデル)の構築に利用した。

まず、対象患者を臨床転帰に基づき、標準治療で得られた無増悪生存期間(PFS)が12カ月以上であった奏効著明群と、6カ月未満であった奏効不良群に分類。患者の53%が奏効著明群に該当した。次に、臨床転帰の分類と腹腔鏡検査の画像を紐付け、そのうち70%を訓練用データセットとして用いて、AIモデルが両群の形態学的パターンの傾向を区別できるように訓練した。なお、残りのデータセットは10%を検証用、20%をテスト用として用いた。

その結果、AIモデルは奏効著明群を93%の精度で鑑別することができた。このAIモデルは奏効著明群をすべて検出できたため、感度は100%に達したが、奏効不良群の一部を誤って奏効著明群に分類することがあり、特異度は63%に留まった。特異度の低さは、おそらく奏効不良群の画像数が167枚と、奏効著明群の268枚に比べて少なかったためだと考えられるという。

Glassman氏は「今回のパイロット研究は、外科手術のイノベーションの最先端を示す素晴らしい事例だ。婦人科がん患者の治療における臨床的な取り組みを向上させるために、機械学習をどのように使用すればよいかを示している」と主張。「今回得られた知見は、従来の治療が奏効しない可能性のある患者をAIモデルで鑑別できることを示唆するものだ。これにより、医師は手術計画と治療目標の変更が可能となり、患者に対して個別化治療戦略の機会を提供できるようになるだろう」と述べている。(HealthDay News 2022年3月25日)

AI Model May Help Predict Ovarian Cancer Treatment Outcomes

Artificial intelligence model trained to recognize distinct morphologic patterns in high-grade serous ovarian cancer at the time of laparoscopy

FRIDAY, March 25, 2022 (HealthDay News) – An artificial intelligence (AI) model may help predict clinical outcomes at the time of laparoscopic assessment for advanced high-grade serous ovarian cancer (HGSOC), according to a study presented at the Society of Gynecologic Oncology's Annual Meeting on Women's Cancer, held from March 18 to 21 in Phoenix.

Deanna Glassman, M.D., from the University of Texas MD Anderson Cancer Center in Houston, and colleagues used pretreatment laparoscopic surgical videos (435 still-frame images) of 113 patients with pathologically proven HGSOC (2013 to 2019) to train an AI model utilizing deep learning and neural networks. The model was used to identify trends in morphologic patterns between patients with an excellent response to standard treatment (defined as progression-free survival of at least 12 months) and those with a poor response to therapy (defined as progression-free survival of no more than six months).

The researchers found that the model successfully identified patients with a durable response to therapy (53 percent) versus those with a short interval to recurrence with a degree of accuracy of 93 percent. The model reached 100 percent sensitivity in detecting patients with excellent response to therapy when using still-frame images alone, but it misclassified some patients with poor response to therapy (specificity of 63 percent). The investigators suggested that the lack of specificity may be due to the lower number of images corresponding to patients with poor response to therapy (167 patients) versus patients with excellent response (268 patients).

"This pilot study is an exciting frontier in surgical innovation that shows how we can use machine learning to enhance our clinical approach to treating patients with gynecologic cancers," Glassman said in a statement. "A major implication of our study is that the AI model could identify patients who are likely to have a poor response to traditional therapies, enabling clinicians to alter surgical plans and goals, and providing opportunities for tailoring therapeutic strategies in those patients."

Copyright © 2022 HealthDay. All rights reserved.

2022年の医療AIレポート一覧へ
掲載内容について
本サイトは、記事コンテンツおよびサブコンテンツで構成されます。記事コンテンツにおいては、HealthDay Newsとして掲載された医療AI情報の記事をJapan編集部が翻訳して配信しています。記事の具体的な内容については、原著にて確認することをお勧めいたします。サブコンテンツにおいては、厚生労働省の「保健医療分野におけるAI活用推進懇談会」報告書から「AIの活用に向けた工程表」「健康・医療・介護・福祉分野においてAIの開発・利活用が期待できる領域」を掲載し、日本の政府の方針についてお知らせしています。本コンテンツの運営は、株式会社テクノミックが行い、武⽥薬品⼯業株式会社の関与はありません。また、本コンテンツに含まれる治療⽅法等は武⽥薬品⼯業株式会社が推奨・保証するものではありません。本コンテンツの情報に含まれる薬剤については、最新の国内添付文書でご確認ください。
著作権について
本コンテンツに掲載されている内容の無断転載・配布を固く禁じます。武田薬品工業株式会社から事前に文書による許諾を得ることなく、本コンテンツに掲載されている内容を再掲載すること、また検索システムに登録することや、電子的、機械的等、いかなる形式・方法にかかわらず、複写や記録を行うことを禁止いたします。また、本コンテンツで紹介する記事の著作権はHealthDayに帰属します。
免責事項
武田薬品工業株式会社は、本コンテンツに含まれる情報の完全さおよび正確さを保証するものではなく、その内容について一切責任を負いません。本コンテンツを利用される方々には信頼すべき情報を各自で確認されることをお勧めいたします。本コンテンツに含まれる情報は、決して、医師その他の医療従事者によるアドバイスの代わりになるものではありません。また、本コンテンツは、特定の薬剤を広告・宣伝するものではありません。