マンモグラフィーベースの乳がんスクリーニングにおける人工知能

乳がん (BC) は、世界中の女性の間で最も一般的ながんであり、がん関連死亡原因の 2 番目に多いがんです。

BC スクリーニングの基礎であるマンモグラフィーは、BC を早期に検出できるため、BC 死亡率を低下させる有用な画像診断法の 1 つとして認識されています。 しかし、マンモグラフィーの読影は本質的に主観的な評価であり、過剰診断になりがちです。

近年、深層学習アルゴリズムを組み込んだ人工知能 (AI) とコンピュータ支援診断 (CAD) システムが放射線科医の補助として BC スクリーニングの分野に参入しており、その目的は、従来の CAD システムの弱点を最適化することです。手作りの特徴抽出。 今のところ、新しい AI-CAD ツールのスタンドアロン パフォーマンスは、主に畳み込みニューラル ネットワーク (CNN) の利用によるもので、BC 診断における有望な精度と効率を実証しており、その一部はすでに放射線科医と同等のレベルに達しています。 一方で、AI-CAD システムを意思決定支援ツールとして活用することで、放射線科医の BC スクリーニングのパフォーマンスが向上することが示されています。 商用 AI-CAD システムの実装が増加するにつれ、他の新興技術や有望な技術と同様に、広く採用される前に、臨床環境におけるその有用性と費用対効果の確実な評価が、現実の生活を模倣したシナリオで行われる必要があります。 これには、複数の多様な代表的なデータセットに対する BC スクリーニングで AI-CAD システムを検証し、リーダーとシステム間のインターフェイスを推定する必要があります。 この提案された研究は、マンモグラムの読み取りに使用される AI-CAD システムの乳がん診断性能を調査することを目的としています。 この研究では、深層学習アルゴリズム (IBM Watson Imaging AI Solution) に基づく市販の AI-CAD ツールを使用して、マンモグラム上の疑わしい乳房病変を特定し、特徴付けます。 潜在的な癌病変にラベルを付けることができ、そのマンモグラフィーの特徴と悪性腫瘍の確率が自動的にレポートされます。 AI の後処理後、BC リスク予測のための AI-CAD システムの精度を判断するために統計分析をさらに実行します。