KIA-Korekt：大腸癌周術期リスク予測のための段階的単一モーダルからマルチモーダルAI評価 (KIA-Korekt)

大腸がん（CRC）は、世界中で最も頻度の高い悪性腫瘍の一つです。 外科手術技術や周術期ケアの進歩にもかかわらず、短期術後合併症は依然として頻繁に発生し、患者の生活の質、医療費、長期予後に重大な影響を及ぼします。 これらの合併症には、吻合部漏れ、創感染、敗血症、血栓塞栓症、院内死亡率などが含まれます。 既存の臨床リスクスコア（ASA、POSSUM）は、個別化されたリスク層別化を限定的にしか提供せず、画像から得られる生物学的マーカーを組み込んでいません。

KIA-Korekt研究は、このギャップに対処するため、大腸がんの周術期合併症を予測するAIベースの予測モデルを開発・検証し、3つの補完的な画像モダリティを統合します：

デジタル病理組織学：外科切除標本および術前生検から得られたヘマトキシリン・エオシン染色全スライド画像（H&E-WSIs）を、注意機構に基づくマルチプルインスタンス学習（MIL）および畳み込みニューラルネットワーク（CNN）を用いて解析し、ドレスデン工科大学計算病理学部門（AG Kather）の確立されたパイプラインに基づいて構築します。

放射線学：術前CTおよびMRI画像を、自動セグメンテーション（TotalSegmentator、nnU-Net）およびラジオミクス特徴抽出（PyRadiomics）を用いて処理します。 特徴は、原発腫瘍、大腰筋（サルコペニア）、内臓/皮下脂肪コンパートメントから導出されます。 専用の多指標品質管理パイプラインにより、スキャナーや撮影プロトコルを超えた安定した画像データ表現を確保します。

多重組織画像（mTI）：ホルマリン固定パラフィン包埋腫瘍組織に、マルチプレックス免疫組織化学染色とマルチスペクトルイメージング（mIHC-MSI）およびイメージング質量分析法（IMC）を適用し、腫瘍微小環境内の免疫細胞および間質細胞集団、マーカー発現強度、空間分布パターンを特徴付けます。

単一モダリティモデルは、各モダリティごとに個別に開発・検証されます。 マルチモーダル統合は、特徴レベル融合、後期融合、およびクロスアテンション機構を備えたマルチモーダルマルチプルインスタンス学習を用いて実施されます。 モデル性能は、AUC-ROC、キャリブレーションプロット、ブライヤースコア、意思決定曲線分析を用いて評価されます。 解釈可能性は、SHAP値およびアテンションヒートマップを用いて評価されます。

本研究は、混合後ろ向き（n=750、2011-2021年）および前向き検証（n=210、2026-2028年）コホートデザインを採用しています。 後ろ向きコホートは、モデル開発および内部交差検証の基礎を提供します；前向きコホートは、臨床条件下での実世界の外部検証を可能にします。

包括的な患者レベルのマクロ-マイクロ相関分析により、放射線学的画像表現型と、同じ腫瘍から得られた顕微鏡的病理組織学的および免疫学的特徴との関連を調査し、独自の統合的生物学的知見を可能にします。

本研究は、欧州連合およびブランデンブルク州（HealthTranslateBB/ERDF）ならびにドイツ研究振興協会（DFG）から資金提供を受けています。 倫理承認は、ブランデンブルク医科大学テオドール・フォンターネの倫理委員会によって付与されています。 すべての前向き参加者は書面によるインフォームド・コンセントを提供します。 後ろ向きデータは、GDPRに従って仮名化された形式で処理されます。

結果は、査読付きオープンアクセス出版物および国内外の学会発表を通じて公表されます。