人工知能技術による乳房微小石灰化の分類に関する前向き観察研究

乳房の微小石灰化は現在、BI-RADS 放射線スケールを使用して分類されています。 疑わしい微小石灰化 (B3) の場合は、組織病理学的評価のために生検評価を行うことをお勧めします。 ただし、実行された生検の約 70-80% は、外科的治療を必要としない良性の組織像を示しています。 コア生検は、生物学的、心理的 (患者の不快感)、組織的、および経済的 (ヘルスケアシステムの場合) のコストを伴う侵襲的な手順です。 したがって、微小石灰化の放射線学的分類の精度の向上が不可欠です。 最近、デジタルマンモグラムで微小石灰化を良性または疑わしいものとして検出および分類するためのさまざまなアプローチが文献で報告されています。 ディープラーニング（DL）を利用した解析手法も、マンモグラフィ画像の処理に有望視されています。 畳み込みニューラル ネットワーク (CNN) は現在、コンピューター ビジョンの分野の多くのアプリケーション分野における画像分類の最先端技術です。 この研究では、マンモグラフィ画像に人工知能 (AI) 技術を使用して乳房の微小石灰化 (良性または悪性) の分類方法を実装し、このアプローチの診断性能 (精度) を評価することを目的としています。 評価は、標準的な放射線学的アプローチ (BI-RADS 分類) を参照して実施されます。

マンモグラフィ イメージングへの AI システムの適用とともに、さらなる現在の臨床的ニーズは、微小石灰化の生体分子特性を in-situ で決定し、組織を採取せずにその性質を正確に識別し、サンプルを固定および埋め込むことができる診断ツールの開発です。パラフィン、および病理学者による高度に専門的な評価なし。 ラマン分光法 (RS) は、生体分子の観点から非常に特異的な方法であると同時に、生体内測定と互換性があります。 これは、(レーザー光による) 直接照射と発光シグナルの同時取得により、特定のサンプルの分子組成を調べることができるバイオフォトニック アプローチで構成されます。 RS 情報を画像機能と組み合わせて、乳房の微小石灰化を組み合わせて分類するための AI モデルを実装できます。