AIとがん研究 ── 子宮体がん ── 2026-11-09
子宮体がんの治療・治験とAI
- MRI-based deep-learning radiomics nomogram for differentiating FIGO 2023 stage I from stage II-IV endometrial cancer: a multicenter study.抄録（全訳）
目的：FIGO 2023 分類でI期の子宮体がん（EC）を術前に見分けることは、治療計画に重要である。本研究では、マルチパラメトリック MRI に基づく深層学習ラジオミクス・ノモグラム（DLRN）を作り、検証した。目的は、I期の EC とII〜IV期の病変を区別することである。 対象と方法： 3施設の患者を後ろ向きに登録した。施設1と施設2の患者は、訓練セット（n = 616）と内部テストセット（n = 158）に無作為に分けた。施設3の患者は外部テストセット（n = 232）とした。DLRN は、深層学習の特徴量、腫瘍内と腫瘍周囲のラジオミクス特徴量、臨床的特徴を統合したものである。DLRN を、臨床モデル、ラジオミクスモデル、深層学習モデルと比べた。識別能は、受信者動作特性曲線の曲線下面積（AUC）で評価した。AUC どうしの比較には DeLong 検定を用いた。
結果：解析対象は計 1006例（平均年齢 56.5 ± 9.7歳）であった。内部テストセットで、DLRN の AUC は 0.852 であった。一方、臨床モデルは 0.673（P = 0.001）、元のラジオミクスモデルは 0.765（P = 0.030）、統合ラジオミクスモデルは 0.793（P = 0.050）で、いずれもこれを下回った。外部テストセットでも DLRN の性能は安定しており、AUC は 0.829 であった。臨床モデル、元のラジオミクスモデル、統合ラジオミクスモデルの AUC は、それぞれ 0.680、0.681、0.743 であり、DLRN はいずれも上回った（すべて P < 0.005）。DLRN の支援を受けると、放射線科医の診断能が向上した。
結論：MRI に基づく DLRN は、いずれのテストセットでも、FIGO 2023 のI期とII〜IV期の EC を安定して識別した。術前のリスク層別化と意思決定支援に役立つ可能性を示す結果である。 要点のうち「問い」：FIGO 2023 病期分類の導入により、病期間の鑑別はより難しくなった。このため、より優れたツールが求められている。
所見：MRI に基づく新しい深層学習ラジオミクス・ノモグラム（DLRN）は、高リスク患者を正確に見分けた。従来の予測法や、個々の臨床予測法を有意に上回った。 臨床的意義：このツールは、医師が術前によりよい治療計画を立てる助けになる。子宮体がんの患者の転帰を改善できる可能性がある。
掲載誌の IF 相当：6.5（OpenAlex の直近 2 年の平均被引用数・2026-11-03 時点の値、2026-11-05 に取得。正式な IF（Clarivate）ではない）書誌：Chu X, Gao L, Wang X, Quan T, Ding Y, Chen Y, et al. MRI-based deep-learning radiomics nomogram for differentiating FIGO 2023 stage I from stage II–IV endometrial cancer: a multicenter study. Insights Imaging. 2026 Nov 6;17(1):284. doi:10.1186/s13244-026-02428-9.確認の範囲：抄録のみ確認