AIとがん研究 ── 膵がん ── 2026-11-05

対象誌と選び方は索引の頁に

膵がんの治療・治験とAI

• 臨床リスクを考慮した不確実性アラインメントの枠組みによる、膵腫瘍と膵周囲血管の同時セグメンテーション
  Joint segmentation of pancreatic tumors and peripancreatic vessels via a clinical risk-aware uncertainty alignment framework.
  Medical image analysis · 2026-10-26 · 証拠の段階: 後ろ向きの観察（画像 AI の開発と 5 施設 1058 例での多施設検証）
  抄録（全訳）

  膵がんを切除できるかどうかの術前評価は、造影 CT での正確なセグメンテーションに大きく左右される。鍵となるのは、腫瘍と膵周囲血管を同時に正確にセグメンテーションできるかである。ただし、実際の意思決定支援にはセグメンテーションの精度だけでは足りない。さらに、腫瘍周囲への浸潤リスクと、血管が位相的に途切れるリスクを、課題に即して捉える必要もある。そこで著者らは、臨床リスクを考慮した不確実性アラインメントの枠組みを提案した。この枠組みでは、高いセグメンテーション精度を保ったまま、リスクを確実に捉えられる。

  枠組みの土台は、エビデンシャル深層学習を組み込んだデュアルデコーダ構造である。この構造で、同時セグメンテーションと不確実性の推定を行う。さらに、臨床的な根拠に基づく 2 つのアラインメント戦略を設計した。これらの戦略により、不確実性を課題別のリスク指標に変換する。

  1 つ目は、浸潤を考慮した境界不確実性アラインメントモジュールである。このモジュールは、テクスチャ、空間、血管との近さという要因をまとめ、浸潤に着想を得た事前分布を作る。この事前分布の順序構造に沿ってアラインメントを行い、浸潤リスクを反映した不確実性を得る。この不確実性から浸潤を考慮した腫瘍境界を導き、後段の浸潤解析に用いる。

  2 つ目は、トポロジーを考慮した不連続性不確実性アラインメントモジュールである。このモジュールは、骨格（スケルトン）が一致しない領域を、連結性に関わる代理指標として使う。そのうえで、3 段階の順序関係と、領域ごとに重み付けした教師信号によって、不確実性を制約する。これにより、不連続リスクを反映した不確実性が得られ、血管の連結性も向上した。

  5 施設の患者 1058 例で多施設検証を行った。施設が異なっても、良好で安定した性能が得られた。後段の実験では、アラインメントした不確実性が腫瘍による血管浸潤の解析に役立つかを探索的に調べた。全体として、本研究は腫瘍と血管の正確な描出に、臨床的な根拠に基づくリスク評価を組み合わせた。この手法は、術前計画で腫瘍と血管の関係を評価する際の支援になる可能性がある。ソースコードは https://github.com/SJTUBME-QianLab/CRUA-Net で公開予定である。

  掲載誌の IF 相当：12.5（OpenAlex の直近 2 年の平均被引用数・2026-10-25 時点の値、2026-10-26 に取得。正式な IF（Clarivate）ではない）
  書誌：Fu W, Zhu H, Chen T, Qian X. Joint segmentation of pancreatic tumors and peripancreatic vessels via a clinical risk-aware uncertainty alignment framework. Med Image Anal. 2027 Feb;116:104378. doi:10.1016/j.media.2026.104378. PMID: 42966317.
  確認の範囲：抄録のみ確認

← この号の目次へ