AIとがん研究 ── 子宮体がん ── 2026-11-12
子宮体がん 1 本。筆頭: 経腟超音波に基づく深層学習ラジオミクスによる非類内膜型子宮内膜がんの術前識別:多施設研究
子宮体がんの治療・治験とAI
- Transvaginal ultrasound-based deep learning radiomics for preoperative identification of non-endometrioid endometrial carcinoma: A multicenter study.抄録(全訳)
目的:非類内膜型子宮内膜がん(NEEC)を術前に見分けることは、臨床的に重要である。非類内膜型の組織型は、リスク評価や治療計画に影響しうるため、術前の識別が臨床的に重要である。本研究は、NEEC を術前に識別するため、経腟超音波に基づく深層学習ラジオミクス(DLR)モデルを作り、外部で検証することを目的とした。
方法:11 施設から、病理学的に子宮内膜がんと確定した患者 663 例を後ろ向きに登録した。訓練コホートは 8 施設の 483 例で、NEEC が 161 例、類内膜型子宮内膜がん(EEC)が 322 例だった。独立した外部テストコホートは別の 3 施設の 180 例で、NEEC が 60 例、EEC が 120 例だった。 ラジオミクス特徴量は PyRadiomics で、深層学習特徴量は ResNet-101 で抽出した。機械学習の分類器を使い、ラジオミクスモデル、深層学習モデル、両者を組み合わせた DLR モデルを作った。評価には、受信者動作特性(ROC)解析、較正曲線、決定曲線分析、外部検証を用いた。
結果:3 つのモデルのうち、診断性能が最も高かったのは統合した DLR モデルだった。外部テストコホートで、DLR モデルの曲線下面積(AUC)は 0.837、正解率は 0.756、感度は 0.800、特異度は 0.733 だった。訓練コホートでも外部テストコホートでも、DLR モデルはラジオミクスモデルと深層学習モデルを上回った。
結論:経腟超音波に基づく DLR モデルは、NEEC を術前に識別する非侵襲的な手段になる可能性を示した。このモデルは、個別化した術前評価に補完的な情報を提供しうる。ただし、臨床で使う前に前向きの検証が必要である。
掲載誌の IF 相当:2.3(OpenAlex の直近 2 年の平均被引用数・2026-11-09 時点の値、2026-11-11 に取得。正式な IF(Clarivate)ではない)書誌:Liu X, Xiao W, Jia Y. Transvaginal ultrasound-based deep learning radiomics for preoperative identification of non-endometrioid endometrial carcinoma: A multicenter study. Clinical Imaging. 2027 Jan;141:110979. doi:10.1016/j.clinimag.2026.110979.確認の範囲:抄録のみ確認