肺結節の検出とリスク層別化のための深層学習アルゴリズムの精度

骨肉腫は、小児および青年における最も一般的な悪性骨腫瘍と見なされています。 骨肉腫患者の約 15% から 20% が検出可能な転移性疾患を呈しており、その大部分 (85%) が唯一の転移部位として肺病変を持っています。 以前の研究では、転移性疾患のない限局性骨肉腫患者の全生存率は約 60% ～ 70% であるのに対し、転移性疾患のある患者の生存率は 10% ～ 30% に低下することが示されています。 最近では、ネオアジュバントおよびアジュバント化学療法レジメンによって死亡率が低下する可能性がありますが、患者の 30% ～ 50% は依然として肺転移で死亡しています。 肺転移の数、分布、およびタイミングは、生存の予後を左右する重要な要素であるため、コンピュータ断層撮影 (CT) 胸部イメージングは​​依然として疾患監視において重要な役割を果たしています。 過去 10 年間で、マルチディテクター CT スキャナーの技術により、多数の小さな肺病変の検出が強化されました。これにより、一方では肺転移の診断感度が向上しますが、特異性は低下する可能性があります。 近年、さまざまな画像検査における深層学習の人工知能 (AI) アルゴリズムが話題になっています。 現在、肺結節の迅速なスクリーニングと正確な解釈を目的としたディープラーニング技術に基づくコンピューター支援診断 (CAD) システムが急速に開発され、市場に導入されています。 これまでのところ、深層学習技術の驚異的な進歩に触発されて、結節の良性/悪性分類の精度を向上させることに重点を置いた研究が大幅に進歩しました。 その結果、既存の CAD システムの大半は、90% 以上の精度で肺結節の分類を実行できます。 臨床現場では、肺結節の悪性判定だけでなく、原発性癌と肺内転移の区別も患者管理にとって重要です。 ただし、CAD システムに適用される肺結節の既存の分類のほとんどは、原発結節と転移結節の分割を特徴とするより完全な結節分類がないため、バイナリ パターン (良性対悪性) のままです。 私たちの知る限りでは、転移性肺結節を特定するための深層学習ベースの CAD システムのパフォーマンスに焦点を当てた研究は、これまでにわずかしかありません。 この提案された研究では、研究者は、骨原性肉腫患者の肺結節の検出とリスク層別化のための深層学習人工知能アルゴリズムに基づく 1 つのコンピューター支援システムの精度と感度を決定しようとしました。