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

2022/06

AIで腹部CT画像から膵管腺がんリスクを予測

AI Tool May Help Predict Risk for Pancreatic Ductal Adenocarcinoma

人工知能(AI)を用いて腹部コンピューター断層撮影(CT)画像を分析することで、膵管腺がん(PDAC)の罹患リスクを事前予測できる可能性があるという研究結果が、「Cancer Biomarkers」に2月14日掲載された。

米シダース・サイナイ医療センターのTouseef Ahmad Qureshi氏らは今回、診断前の腹部CT画像の特徴量を分析し、PDACリスクの高い者を特定するためのAIモデルを開発した。

モデルの開発にあたっては、腹部造影CT画像108件(PDACの診断前後の画像各36件、健常対照群の画像36件)を収集した。診断前後の画像は、PDACと病理診断された患者36人において、診断の3年前から6カ月前の間に撮影され、腫瘍の兆候をまだ認めなかった時期のCT画像と、画像上で腫瘍が確認された時期のCT画像を使用した。健常対照群の画像は、年齢と性、撮影年が患者の1人と一致し、撮影後3年以内にPDACを罹患しなかった者36人で撮影されたものであった。これらの画像のうち66件(診断前-診断後-健常対照のデータセット22組)をAIモデルの開発に利用し、42件(同14組)を外部検証に利用した。

まず、すべてのCT画像について、専門医が膵臓の輪郭を手作業で指定した後、事前に定義した数式により画像の特徴量を自動的に数値化した。例えば、膵臓の強度を示す指標として、立体的なCT画像のすべての断面図から膵臓の輪郭の境界に当たる部分を自動抽出し、そのグレーレベルの平均値を算出した。こうした画像の特徴量は、開発用データセットのCT画像66件で4,000件に及んだ。

一連の画像の特徴を判定するために、単純ベイズ(NB)分類器と再帰的特徴量削減(RFE)法を組み合わせたAIモデルを採用し、診断前の画像と健常対照の画像を鑑別するようにトレーニングした。また、健常対照から診断前、診断後へとPDACが進行するにつれて、一定の傾向で変化する特徴量がないか検討した。

その結果、このAIモデルは検証用データセットにおいて、分類精度の平均値86%(28件中24件)を達成した。AIモデルが選んだ5つの画像の特徴量は、いずれも健常対照から診断前、診断後の順に増加していた。

Qureshi氏らは「本研究では開発に用いたデータセットが少なかったにもかかわらず、検証において高い精度を得ることができた。今後は、より大規模なデータセットでこうしたAIモデルを構築・検証することが期待される。精密なモデルを構築することで、PDACを早期発見できる人が増えることを望んでいる」と述べている。(HealthDay News 2022年5月2日)

AI Tool May Help Predict Risk for Pancreatic Ductal Adenocarcinoma

Model uses features in computed tomography scans of the abdomen to help identify those at high risk for developing PDAC

MONDAY, May 2, 2022 (HealthDay News) -- An artificial intelligence tool can analyze computed tomography (CT) scans of the abdomen to predict risk for developing pancreatic ductal adenocarcinoma (PDAC), according to a study published online April 28 in Cancer Biomarkers.

Touseef Ahmad Qureshi, Ph.D., from Cedars-Sinai Medical Center in Los Angeles, and colleagues developed a tool to stratify individuals at high risk for PDAC by identifying predictive features in prediagnostic abdominal CT scans. A set of CT features was identified in an analysis of 4,000 raw radiomic parameters extracted from prediagnostic scans of pancreases. A naive Bayes classifier was developed for automatic classification of the scans at high PDAC risk. The study included 108 retrospective CT scans (36 each from healthy control, prediagnostic, and diagnostic groups). The model was developed on 66 multiphase scans, and external validation was performed on 42 venous-phase scans.

The researchers found that on the external dataset, the system achieved an average classification accuracy of 86 percent.

"Our hope is this tool could catch the cancer early enough to make it possible for more people to have their tumor completely removed through surgery," Qureshi said in a statement.

Copyright © 2022 HealthDay. All rights reserved.
Photo Credit: Adobe Stock

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。