組織病理学画像から乳がんを分類するための AI モデル

乳がんは広範囲に蔓延し、致死的な可能性もある病気であり、患者の転帰を高めるためには早期かつ正確な検出が緊急に必要であることが強調されています。 手作業による組織病理学的検査を特徴とする現在の診断枠組みには、主観性やスループットの制限などの固有の欠点があります。 これに応えて、私たちの研究は、高度な計算技術、特にディープラーニングを活用して乳がん診断を変革することを目指しています。 乳がんは、浸潤性と非浸潤性の 2 つの主なサブタイプに分類できます。

非浸潤性乳がんは、非浸潤性乳がんと呼ばれることが多く、周囲の組織に浸潤することなく、乳管（上皮内乳管がんまたは DCIS）または小葉（上皮内小葉がんまたは LCIS）内に閉じ込められた異常細胞を特徴とします。 このタイプは初期段階と考えられており、通常、それ自体では生命を脅かすものではありません。 浸潤性乳がんは、元の部位（乳管または小葉）から周囲の乳房組織に広がるがんです。 これらはすべての乳がん症例の約 70% を構成し、一般に in situ サブタイプと比較して予後が不良です。

乳房の医療画像は、MRI スキャン、マンモグラフィー、超音波、サーモグラフィー、コンピューター断層撮影スキャン、組織病理学などのさまざまな技術を通じて取得できます。 これらのアプローチの中で、組織病理学検査は癌の臨床診断のゴールドスタンダードとして機能します。

提案された AI モデルは、浸潤性乳がんと非浸潤性乳がんを分類するための組織病理学的画像の分析を合理化および強化することを目的としており、従来の方法を超え、がん領域を特定する信頼性の高い手段を提供します。 これにより、乳がん診断の精度と効率が大幅に向上し、信頼性と拡張性のあるソリューションに対する緊急のニーズを満たすことが期待されます。 乳がんの組織病理学的画像解析の複雑なプロセスを自動化することで、私たちの目標は、スクリーニングを民主化し、スクリーニングをより利用しやすくし、十分なサービスを受けられていない人々に届けることです。 さらに、私たちのモデルは技術革新を超えています。これは、特に低所得環境におけるアクセシビリティとスケーラビリティに関する広範な問題に対処します。 研究ではドメイン適応に焦点を当てており、さまざまな医療施設全体でモデルの精度と信頼性を確保することが重要です。 これには、リソース、設備、人口動態要因の違いに対応することが含まれており、多様な状況に合わせて多用途かつ適応可能なソリューションとなります。

要約すると、私たちの研究は、乳がん診断における技術フロンティアを前進させることだけでなく、アクセスしやすさ、効率性、信頼性における変革を推進することも目指しています。 従来の方法特有の課題に取り組む AI モデルを開発することで、私たちは乳がんのスクリーニングに有意義な影響を与え、最終的には世界中の患者の早期発見、個別の治療、転帰の改善につながることを目指しています。