良性および悪性膵臓病変の分化 (D)

膵臓の良性病変と悪性病変を正確に区別することは、患者の管理にとって非常に重要です。 この研究は、ベースラインのコンピュータ断層撮影画像を使用して膵臓の良性および悪性病変を予測する新しい深層学習ネットワークを開発および検証することを目的としていました。 3 つの医療センターにわたるこの後ろ向き研究は、トレーニング コホート、内部検査コホート、および外部検証コホートで構成されました。 膵臓病変を分類するために、CNN と Transformer アーキテクチャを統合した新しいハイブリッド モデル、Mobile Vision Transformer を備えたマルチスケール ラージ カーネル アテンション (MVIT-MLKA) が開発されました。 このモデルのパフォーマンスを従来の機械学習および深層学習手法と比較しました。 さらに、最適なモデル支援の有無にかかわらず、放射線科医の診断精度を評価しました。MVIT-MLKA モデルは、膵臓病変の予測において、従来のモデルや標準的な CNN およびトランスフォーマーを上回る優れたパフォーマンスを示しました。 MVIT-MLKA モデルの支援を受けた放射線科医は、モデルの支援を受けなかった放射線科医と比較して診断性能が大幅に向上し、精度と感度の両方が顕著に向上しました。 Grad-CAM 視覚化によってモデルの解釈可能性が向上し、重要な病変領域が効果的に強調表示されます。MVIT-MLKA モデルは膵臓の良性病変と悪性病変を効果的に区別し、従来の方法を超えて放射線科医のパフォーマンスを向上させます。 これは、高度な深層学習モデルを臨床現場に統合することで、臨床現場での診断エラーを減らし、治療戦略を最適化できる可能性があることを示唆しています。