AIとがん研究 ── 乳がん ── 2026-10-06

対象誌と選び方は索引の頁に

乳がんの治療・治験とAI

• 乳房の拡散強調MRIから深層学習でHER2の状態を予測する方法
  Deep learning-based prediction of HER2 status from breast diffusion-weighted MRI
  Frontiers in Oncology · 2026-10-05 · 証拠の段階: 後ろ向きの観察研究（2施設、内部テストと外部テストあり）
  抄録（全訳）

  背景と目的 乳がんの診断と治療では、ヒト上皮成長因子受容体2（HER2）の状態を正確に分類することが非常に重要である。HER2の状態を見分ける現在のゴールドスタンダードは生検である。しかし生検は侵襲的で、時間もかかる。この欠点を補うため、新しい深層学習（DL）モデルを開発した。このモデルは拡散強調画像（DWI）だけを使い、乳がんのHER2陰性とHER2陽性を見分ける。 材料と方法 後ろ向き研究である。地元の2医療センターで乳がんと確定した女性患者239例を対象とした。畳み込みニューラルネットワーク（CNN）とTransformerを組み合わせたハイブリッド型のDLモデルを提案した。入力はDWIの画像で、見かけの拡散係数（ADC）マップ、b = 0 s/mm² のDWI画像、b = 800 s/mm² のDWI画像の3種類である。モデルはHER2陰性とHER2陽性のどちらであるかを分類して出力する。このモデルの分類を、ほかのベンチマークDLモデルと臨床専門家2名の分類と定量的に比べた。

  結果：239例（平均年齢 49.4 ± 10.0 歳）のデータを3つに分けた。訓練セット（n = 156）、内部テストセット（n = 39）、外部テストセット（n = 44）である。内部テストセットでは、提案モデルの成績は最良のベンチマークDLモデルを数値の上で上回った。曲線下面積（AUC）は0.93対0.89、正解率は0.90対0.85だった。外部テストセットでも、提案モデルは最良のベンチマークモデルを数値の上で上回った。AUCは0.91対0.87、正解率は0.84対0.82だった。臨床専門家2名と比べると、提案モデルの成績は有意に高かった。AUCは0.91対0.65対0.63、正解率は0.84対0.61対0.57だった。

  結論：DWIとDLを組み合わせ、乳がんのHER2の状態を分類する方法は有望であることが示された。このモデルは、非侵襲的な補助手段や意思決定支援ツールとして役立つ可能性がある。

  掲載誌の IF 相当：2.7（OpenAlex の直近 2 年の平均被引用数・2026-10-02 時点の値、2026-10-03 に取得。正式な IF（Clarivate）ではない）
  書誌：Zhang Y, Kan X, Wang J, Peng J, Cai J, Ma Y, et al. Deep learning-based prediction of HER2 status from breast diffusion-weighted MRI. Front Oncol. 2026 Oct 5;16:1863720. doi:10.3389/fonc.2026.1863720.
  確認の範囲：抄録のみ確認

← この号の目次へ