人工知能モデル「PANDA」の応用研究

この研究は、臨床的に見逃された PDAC の潜在的な症例に焦点を当てています。 これは、浙江大学第一付属病院における複数の臨床シナリオからの将来の現実世界コホートにおいて、深層学習と非造影CTスキャンに基づく膵臓がんスクリーニングモデルPANDAを評価することを目的としています。 この研究では、画像診断結果が陰性だがPANDAモデル所見が陽性である患者を追跡し、PANDAの有効性を評価するためのゴールドスタンダード検査を通じて病理を検証する。 モデルの有用性、適用性、感度、特異性を検証することを目的としています。

これらの目的に基づいて、研究は次のことを実施します。

1. PANDA の出力を利用して、登録された患者を非 PDAC、PDAC、および正常なグループに分類します。 これらの結果を画像所見と比較します。 PDAC に対して PANDA 陽性と特定されたが、膵臓病変の対応する画像証拠がない患者、または膵臓所見を示唆する画像はあるがその後の臨床介入が欠けている患者は、追跡調査のために分類されます。 これらの患者は、浙江大学第一付属病院でさらなる検査と診断を受けるために病院に呼び戻されることになる。 二次検査で特定された PDAC 陽性症例については、MDT などの標準的な臨床手順に従って病理を確認します。 二次検査でPDAC陰性と特定された患者は、転帰を決定するために最長2年間にわたる広範な追跡調査を受け、PANDAの感度と特異性が検証される。 PANDAによってPDAC陽性ではないが、画像検査で対応する膵臓所見が欠如していると特定された患者は、精度を確認するために肝胆膵外科医による検査を受けることになる。 PANDAによって正常であると報告されたが、膵臓の異常を示唆する画像がある患者は、PANDAによる偽陰性を確認または除外するために、外科の専門家による二次検査を受けます。
2. PANDA によって特定された真陽性の PDAC 症例については、臨床 SOC の標準指示を通じて特定された PDAC 患者からの対応する指標と比較するために、医療記録 (腫瘍マーカーレベル、患者の症状、切除可能性の等級付け、TNM 病期分類など) が収集されます。 これは、膵臓がん発症における病変の早期検出と特定における PANDA の能力を検証することを目的としています。