CLASSICA: リアルタイム手術におけるがんの分類における AI の検証研究 1

サイズが 2cm を超える直腸ポリープ (ヨーロッパだけで年間約 10,000 人の患者に影響を与える) は、かなりの臨床的課題を表しています。 より小さなポリープはルーチンの内視鏡的ポリープ切除術によって対処でき、率直な臨床的癌は従来の癌手術パラダイムを介して進行しますが、このサイズのポリープには、経肛門的内視鏡的切除 (経肛門的最小侵襲手術とも呼ばれます) によって無傷で局所的に切除するオプションがあります。タミス）。 これは、他のモダリティ（例： 内視鏡的粘膜下切除術）。 経肛門的切除を可能にする技術とトレーニングは過去 10 年間ではるかに利用できるようになりましたが (特に TAMIS)、より多くの患者が大きな良性病変を持ち、地域の専門センターで切除された初期の直腸癌でさえありますが、現在、そのようなケアに大きなブレーキがかかっています。患者の選択です。つまり、特定の患者が良性のポリープまたは癌を切除前に持っているかどうかを判断する方法です。

内視鏡生検は、そのような病変の最大 20% で不正確であることで有名です (直腸癌は腺腫性病変として始まることが最も多いため、表層生検では悪性の病巣を見逃す可能性があります)。 がんを良性病変と誤って特定し、局所切除によって治療すると、予後が大幅に悪化し、その後のがん手術が危うくなる。 永久人工肛門造設術を伴う腹会陰切除術を必要とする場合)、特に前方に位置する病変の場合のように、癌細胞を深いマージンまたは異なる平面に播種することによって。 さらに、経肛門的切除技術は、比較的高い陽性マージン率を維持しています。これは、良性病変の再増殖のリスクを冒し、主要な腫瘍塊の近くに不顕性疾患が存在するため、初期段階の癌に対する効果的な局所療法を制限します。

以前、蛍光インドシアニン グリーン (ICG) を使用して、腫瘍と健康な組織の間で灌流が目に見えて異なることを示しました。 この違いは赤外線ビデオで捉えることができ、数学的分析により、悪性領域の灌流パターンを、同じ内視鏡ビューでも見える良性/正常組織から区別できます。 簡単に言えば、関心のある各領域 (すなわち、腫瘍または正常な粘膜の領域) における蛍光の飽和は、IBM によって開発された既存のソフトウェアを使用して、記録されたビデオから測定できます。 時間の経過に伴う蛍光の変化は曲線上にプロットでき、関心領域内の灌流パターンに依存する ICG の流入、ピーク、および流出を示します。 これらの曲線は検査対象の組織によって異なるため、取り込みの勾配と曲線下の領域を計算して流出を測定することにより、良性腫瘍と悪性腫瘍を分類するために使用できます。 したがって、がんが疑われる場所 (直腸など) では、ビデオの分析を使用して、健康な組織とがん組織を区別することができます。 この発見は、コンピューター ビジョンや機械学習などの AI 手法を適用することで、臨床用途に活用することができます。 本質的に、関心のある組織を表示するピクセルの蛍光強度は、血液が ICG で染色され、近赤外線 (NIR) 光で照らされると、血流 (灌流) によって変化します。 強度は複数のビデオ フレームから経時的にキャプチャされ、この強度は曲線としてプロットされます。 腫瘍組織の強度曲線は健康な組織の強度曲線とは異なり、良性腫瘍の強度曲線は悪性腫瘍とは異なります。 したがって、関心領域内の各ピクセルの曲線の特徴を分析すると、分類につながる可能性があります。

このような AI システムは、2 つの地域センターからのアイルランドのがん患者の集団からのビデオを使用して、Mater Hospital で以前にプロトタイプが作成され、トレーニングされているため、灌流パターンによって健康な組織から悪性腫瘍と良性病変を自動的に識別できます。 このプロトタイプは、以前に 80% を超える精度を示しています。

この研究では、蛍光信号特性によって組織を分類する基本的な概念または方法を臨床的に検証すると同時に、UCD スタッフによってビデオから生成されたデータを推定できるデバイスをこれに基づいて構築できるかどうかも確認します。 また、一般化可能性の問題にも対処します。他の外科医がシステムを使用して、特定の患者コホートから同様の結果を得ることができるか? これは、生検の役割を決定するために計画されている将来の研究への道を開くでしょう (システムは生検組織の最適な選択を可能にし、生検エラーを減らすことができますか?)。および腫瘍切除（システムは腫瘍切除の完全性と正確性を高めることができますか？）。