Research on differential diagnosis of cervical multi-cystic lesions by artificial intelligence

点击翻译按钮获取中文摘要

子宮頸部多発嚢胞病変（CMCL）の鑑別疾患として粘液腺の導管の閉塞・狭窄による貯留嚢胞すなわちナボット嚢胞（NC）、良性胃型病変である分葉状頸管腺過形成（LEGH）、HPV非依存性・高悪性度で治療抵抗性の胃型粘液性癌（GAS）が特に重要であり、各々の臨床病理学的特徴は類似しているが、悪性度が全く異なるので、適切な診断とそれに基づく対応が極めて重要である。我々はこれまで頸管細胞診、MRI、胃型粘液検出によるCMCLの臨床鑑別診断と対応法を提案し、その有用性を報告してきた。このなかで、特にMRIは臨床診断上最も重要であるが、現状では読影精度に大きな施設間格差が存在すると考えられる。その結果、臨床的にほとんど問題がないNC患者に対しても子宮全摘術が行われるなど、CMCL患者に対し、過剰治療とも言える対応がなされている可能性がある。この問題の解決のためには、MRI診断の精度向上と均霑化が必要である。近年、人工知能 (AI)は、画像分類の分野においての進歩がめざましく、学習した内容に応じた均質な結果を出力することが可能となってきた。そこで本研究では、AIによるCMCLのMRI診断の実現・精度向上を目標とする。2022年度は自施設症例を中心に複数のAIプログラムを用い、深層学習および検証を行った。その結果、T2強調画像(T2WI)の矢状断/水平断、およびT1WI水平断の3つの画像のみで、特にNCとLEGHの鑑別に関してはAIによる診断精度は0.8以上の高水準を示し、一般的な放射線診断医の診断精度0.7~0.8に劣らないことが示された。一方、同じ量の学習でもAIプログラム間で診断精度に差が出ることがわたっか。AIプログラム改善、学習症例数の増加により、さらに診断精度向上が望めると考えられる。