Establishment of standard precision diagnosis methodology for lung cancer surgery using respiratory endoscopy technology.

点击翻译按钮获取中文摘要

AI技術による高悪性度腫瘍予測システム開発では、縦隔・肺門リンパ節転移を示す局所進行肺癌症例でのリンパ節転移診断の精度向上および効率化を目標に、超音波気管支鏡の超音波画像のdeep learning解析を進めた。166リンパ節（悪性64リンパ節、良性102リンパ節）画像のビデオクリップから、解析法として5分割法には5255枚、hold-out法には6444枚の画像を抽出して解析を行った。本法におけるAUCは0.95であり、deep learningによって十分な精度でリンパ節の良悪性予測が可能であることを示した。走査分子計数法によるリンパ節転移に関連するマイクロRNA検出では、miRNA精製とビーズ分離を簡略化することで、これまで簡略法を用いて75分程度で検出できていた特定のmiRNAを30分程度で検出できるかについて検討を行った。磁器ビーズを用いて抽出していたmiRNAについて、ピペッター回収法（簡略法）からロッド回収法（高速法）に変更することで、miRNAの回収効率が改善され、約60分かかっていたmiRNA回収を25分に短縮することが可能であり、また同一検体を用いた解析において高速法を用いても既存の検出量と変わらない定量性能を有することが明らかとなった。微小生検検体での分子マーカーによる術前予後不良肺がん診断法の開発においては、肺腺癌の網羅的メチル化解析によって、悪性度の高い組織亜型である微小乳頭型および充実型腺癌ではメチル化の頻度が高く、またメチル化頻度と無再発生存および全生存率に相関があることを示した。さらにメチル化頻度は喫煙指数との相関も認めた。メチル化頻度を予測するマーカーとして、中間頻度および高頻度メチル化マーカーを抽出し、surrogate遺伝子のメチル化を調べることで、メチル化の頻度と予後の予測が可能であることを示した。