肺がんの気管支内超音波病期分類中の縦隔リンパ節悪性度のリアルタイム予測のための人工知能搭載プラットフォーム (NodeAI) の開発、安全性、実現可能性 (NodeAI)

肺がんは、世界中で年間がんによる死亡の主な原因となっており、乳がん、前立腺がん、結腸がんを合わせた数を上回っています。 胸部リンパ節 (LN) の病期分類は、患者が肺切除、化学療法、放射線療法、または集学的治療の候補であるかどうかの治療決定に役立つため、肺がんの診断経路において重要なステップです。 気管支内超音波経気管支針吸引法（EBUS-TBNA）は、非小細胞肺がん（NSCLC）の胸部リンパ節ステージ分類の現在の標準であり、ガイドラインでは、正確な診断を行うために少なくとも 3 つの胸部 LN ステーションの系統的サンプリング（SS）を定期的に実行することが義務付けられています。演出。 残念なことに、EBUS-TBNA は患者の 40% で不正確な結果をもたらし、誤った情報に基づいた治療決定につながります。 この割合は、三重正常 LN [コンピュータ断層撮影 (CT) スキャン、陽電子放射断層撮影 (PET) スキャン、および EBUS で正常に見える LN] の患者でははるかに高く、本当に正常である可能性が 93% 以上であることが判明しています。良性の。 これは、EBUS-TBNA が超音波に基づいており、その成功は実行者 (オペレーター) のスキルに大きく依存するためです。 オペレーターがミスをすると、手順全体が危険にさらされます。 これにより、繰り返しの検査や誤った情報に基づく治療決定により、下流での治療の遅れが生じます。

過去 10 年にわたり、研究者は一連の研究研究と試験を実施してきました。それは、外科医が導き出した LN 悪性度の半定量的尺度であるカナダリンパ節スコア (CLNS) の開発と検証です。悪性腫瘍を予測するための人工知能 (AI) ベースの CLNS バージョン。そして、NSCLC の意思決定経路に AI を導入するために、超音波画像から直接悪性腫瘍を予測する方法を学習した完全自律型 AI です。 その結果、肺がん患者の縦隔 LN の悪性度を予測する AI を活用したソフトウェアが作成されました。 現在、ソフトウェアはクラウド ストレージに格納されており、そのアプリケーションは潜在的です。つまり、LN イメージをソフトウェアにアップロードする必要があり、結果は将来受け取られることになります。 現在の形式では、この遅延のため、ソフトウェアは臨床応用の準備ができていません。 このプロジェクトでは、研究者はソフトウェア (NodeAI) を収容し、リアルタイムの結果を外科医に提供するポイントオブケア デバイスを構築することを目指しており、このデバイスは臨床試験でテストされます。