子宮内膜症関連卵巣がんにおける人工知能と子宮内膜症関連卵巣がんにおける精密手術 (ATENA)

子宮内膜症 (EMS) は、生殖可能年齢の女性の 10 ～ 15% が罹患している慢性の炎症性婦人科疾患です。 EMS は、骨盤腹膜および卵巣を含む、子宮の外側の子宮内膜様組織の病変を特徴とします。 さらに、遠くの病巣が観察されることもあります。 残念ながら、EMS の病因はほとんど知られていません。 EMS は非悪性ですが、局所および遠隔病巣の発生、アポトーシスに対する耐性、他の組織への浸潤とその後の標的臓器への損傷など、がんと同様の特徴を共有します。 さらに、EMS (特に卵巣 EMS) 患者は、上皮性卵巣癌 (EOC) を発症する高いリスク (約 3 ～ 10 倍) を示しました。 疫学、形態学的、分子的研究では、いずれも「EMS関連卵巣癌 (EROC)」と呼ばれる明細胞 (CCC) 類内膜癌を含む、子宮内膜腫が EOC の前駆体であると報告されています。 現在までのところ、なぜ良性の EMS が悪性変化を引き起こすのかは不明のままです。 この多段階のプロセスは、高悪性度漿液性癌とは異なり、癌の前駆体を同定する可能性を提供し、疾患の初期段階での早期診断を可能にします。

EOC は、効果的なスクリーニングツールが存在しないため、5 年全生存率 (OS) が 25% である最も致死率の高い女性婦人科癌であり、腹膜表面全体に急速に広がり (癌化)、したがってすべての腹部臓器に影響を及ぼします。 EOC の診断と臨床病期分類は現在、感度/特異度は最適ではありませんが、定性的な画像評価によって行われています。 現在まで、診断、病期分類、および予後因子は、主観的評価トレーニングおよび臨床医の経験と強く相関しています。

次世代シーケンシング (NGS) に基づくゲノム解析により、EMS におけるがん関連遺伝子変異の存在が明らかになりました。 さらに、EMS の慢性炎症プロセスには、ホルモン、サイトカイン、糖タンパク質、血管新生因子などの多くの因子が関与しており、これらは初期の EMS バイオマーカーになることが期待されています。

癌研究の有望な新しい分野は、人工知能 (AI) を使用して新しい画像パターンやテクスチャを認識したり、新しいバイオマーカーを検出して EROC 患者の早期識別を向上させることです。 AI は EROC に使用されたことはなく、これらの方法/技術が現在の診断とリスク評価をサポートし、さらには改善できるかどうかを調査したいと考えています。 AI を使用して、画像と対象ボリュームに基づいて新しい 3D リスク評価モデルを構築します