Diagnostic evaluation of early stage lung cancer using deep learning-based analysis of CT images

使用基于深度学习的 CT 图像分析对早期肺癌进行诊断评估

• 批准号: 20K09162
• 负责人: 高尾 仁二
• 金额: $ 2.75万
• 依托单位: Mie University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K09162/
• 关键词: AI; 早期肺腺癌; CT; 機械学習; 深層学習; CNN; AIS; MIA; CT画像; Deep learning; 早期肺癌; 画像診断

前年度の予備研究により、ＣＴの２Ｄ画像よりも３Ｄ画像データで学習した方が診断精度（特に、前癌病変(AAH)～早期肺癌（AIS)～微小浸潤肺腺癌癌（MIA)）が向上することが示唆されたため、本年度は、肺腺癌悪性度をCT画像より推定するAI画像補助診断プログラムにおいて、手術を施行された臨床病期IA1期（高解像度CTで充実径が10立方ｍｍ以下）肺癌76例を対象とし、３Dボリューム、CT濃度閾値分析などのCT画像分析による病理学的浸潤径の予測精度を評価した。特に、経過観察可能と考えられる前癌病変～早期病変を診断精度よく鑑別することを目的として、病理診断は腺癌71例、扁平上皮癌5例で、stage 0; 28(AAH 3, AIS 25)例, stage IA1; 37 (うち、MIA 12, Lepidic 11) 例, stage IA2; 6例であり、今回の検討では、非浸潤病変(AAH+AIS) 28例と浸潤癌 (MIA以上）43例を判別する精度はAUC 0.81であった。判別能の解析では、病理学的無気肺が誤診断（特に、AAHをoverdiagnosisする場合において）の要因になっており、これは体積のみでなく形状も含めた機械学習で精度改善が期待されたが、より悪性度の高いものでの診断には経時的変化の情報を加えることが必要ではないかと考えている。更なる診断精度向上に向けて、経時的変化の情報を加えた診断システムとすることが臨床的にも望まれるため、研究期間を延長申請した。

Previous year's preparation research, CT 2D images, 3D images, learning methods to improve diagnostic accuracy AAH ~ AIS ~ MIA ~ AAH ~ MIA ~ AAH ~ MIA ~ MIA ~ MIA 76 cases of lung cancer were analyzed by 3D imaging, CT concentration threshold analysis, CT image analysis, and pathological infiltration diameter prediction. Pathological diagnosis of adenocarcinoma 71 cases, squamous cell carcinoma 5 cases, stage 0; 28 (AAH 3, AIS 25) cases, stage IA1; 37 (, MIA 12, Lepidic 11) cases, stage IA2; 6 cases,,,(AAH+AIS) 28 cases invasive cancer (MIA above) 43 cases Discriminant ability analysis, pathology of non-lung misdiagnosis (special, AAH overdiagnosis cases) and important reasons, such as volume, shape, mechanical learning, accuracy improvement, expectations, high degree of specificity of diagnosis, time of diagnosis of information, add, necessary, test. More accurate diagnosis, more accurate diagnosis