Clinical Application of Artificial Intelligence to Improve Diagnostic Performance of Endoscopic Ultrasound for Pancreatic Diseases

点击翻译按钮获取中文摘要

膵癌の予後改善のためには早期発見と適切な診断が必須である。画像診断技術の進歩により、膵臓の小腫瘤性病変が発見されるようになってきたが、良悪性診断は容易ではない。研究代表者らはこれまでに膵腫瘤の診断における、EUSに超音波用造影剤を組み合わせた造影EUSの有用性について報告してきた。しかし、EUSは主観性が高く、術者の技量や経験によるところも大きい。本研究では、造影EUSで得られた画像を人工知能（AI）に機械学習させることで術者の技量や経験の差を軽減し、膵腫瘤診断における新たな診断体系の確立を目的とした。現在までに膵癌58例、非膵癌61例の合計119例の画像データを集積し、研究協力者である名城大学電気電子工学科の力を借りて機械学習による解析を行った。機械学習には、Attentionを使用したV-Netという手法を用いて学習・検証・テストを行った。3回の交差検証による膵癌・非膵癌の自動診断の感度、特異度、正診率の平均は、それぞれ83.3%、88.9%、86%であった。今後Attentionで重要視する領域を再分析、改善させることで、さらなる診断能向上が期待される。令和3年度から4年度にかけては膵病変に対するEUSガイド下穿刺生検(EUS-FNB)におけるAIの有用性についても検討を行った。膵疾患に対して22Gフランシーン形状針を用いてEUSFNBを施行し、検体採取直後に実体顕微鏡で撮影を行った96例173検体を対象とし、機械学習の一つである対照学習を用いた、膵疾患におけるEUS-FNB検体の新たな評価法の開発を目的とした。対照学習を用いた8分割交差検証（学習13時間、推論11分）による自動診断の感度、特異度、正診率の平均は、それぞれ90.34%、53.5%、84.39%であり、EUS熟練者による肉眼的判定と同等、もしくはそれ以上の診断能を得た。