世界保健機関の統計によると、2020年に世界で新たに乳がんに罹患した人は230万人で、全がんの中で肺がんを抜いて第1位となった。

しかし、乳がんを早期に発見し、速やかに治療して転移する前にがん細胞を死滅させることができれば、乳がんの死亡率を大幅に下げることができます。現在、乳がんの一次スクリーニングで最も一般的に使用されている方法はマンモグラフィーであり、医師はその X 線を分析して検査して乳房の健康状態を判断します。しかし、審査には多大な時間がかかり、他の患者の診療にも影響を及ぼします。
この目的を達成するために、英国のノッティンガム大学の研究者らは、市販の AI がマンモグラムを読み取る能力を医師と比較し、臨床医学における AI の応用に新しいアイデアを提供しました。

著者 | 雪才

編集者 | 三陽市 鉄塔

この記事は、HyperAI Super Neural WeChat パブリック プラットフォームで初めて公開されました。~

米国癌協会の統計によると、2022 年には米国女性の新規癌患者数は約 93 万人となり、その中には新規乳癌患者約 29 万人が含まれ、31% を占めると予想されています。同時に、乳がん患者はがん死亡のうち15%を占めており、肺がんに次いで2番目となっている。

図 1: 2022 年の米国の新規がん症例数 (上) とがんによる死亡者数 (下)

中国では、乳がんは、21世紀の女性の間で最も一般的ながんです、新規患者数は年々増加しています。

図 2: 2000 年から 2016 年までの私の国の女性の新規がん症例数。灰色は乳がん症例数を示します。

乳がんは、異常な乳房細胞が制御不能に増殖し、腫瘍を形成することによって引き起こされる病気です。適切な時期に介入しなければ、腫瘍は転移して広がり、最終的には生命を脅かすことになります。しかし、がんの初期段階で局所腫瘍を検出でき、治療を開始できれば、がんの5年生存率は99%に達する可能性があります。

現在、病院では一般的にマンモグラフィーによる乳がんの一次スクリーニングを行っています。ただし、最初のスクリーニングプロセス中に誤検知が発生する可能性があります。、がんを患っていない患者が不必要な検査を受ける原因となっています。省略が発生し、患者にとって最適な治療時間が遅れる可能性もあります。

したがって、ヨーロッパの多くの国では、偽陽性の症例をできる限り排除するためにマンモグラフィーを見直しています。この方法は効果がありますが、偽陽性を減らすと同時に、がんの検出率も高めます 6%-15%。

ただし、X 線の読み取りと評価にはかなりの時間がかかります。医師と患者の比率が低い地域では、X 線検査に医師の時間がかかるだけでなく、他の患者の早期スクリーニングにも影響を及ぼします。

AIの活用により医師の仕事のプレッシャーは部分的には軽減されましたが、命と健康の評価をAIに任せるのは少々危険な気がします。この点に関して、英国ノッティンガム大学のヤン・チェン教授は「臨床医学にAIを応用するという大きなプレッシャーがあるが、女性の健康を守るためにはこれをうまくやる必要がある」と述べた。

この目的を達成するために、Yan Chen氏のチームは市販のAI Lunitと医師によるマンモグラフィーの読影の精度を比較した。結果は、Lunit のマンモグラムを分析する能力が人間の医師の能力と同等であることを示しました。この成果は「Radiology」誌に掲載されました。

論文リンク:

https://pubs.rsna.org/doi/10.1148/radiol.223299#_i13

実験プロセス

データセット:PERFORMS データセット

この研究では、モデルのテスト セットとして 2 セットの PERFORMS データ セットを選択しました。各 PERFORMS データ セットは、悪性腫瘍 (約 35%)、良性腫瘍、正常な結果を含む 60 枚の困難な X 線フィルムで構成されています。PERFORMS データセットは、過去 30 年間にわたり、英国の国民保健サービス乳がん検診プログラム (NHSBSP) の医師の入国検査と定期的な評価に使用されてきました。

評価基準:マーク+評価

X線を分析すると、医師は疑わしい場所にマークを付けますそして最後に、正常、良性、不確か、疑わしい、悪性に対応する 1 ～ 5 の評価を行います。

AIはX線写真の各特徴の疑わしさを1～100のスケールで評価します。、最高スコアが X 線フィルム全体のスコアとみなされます。疑わしい特徴がなければ0点とみなします。

図3：医師とAIによるマンモグラフィーの解析結果

A: 青い矢印は直径 8 mm の未確認の腫瘤で、後に組織学的グレード 2 の乳管癌であることが判明しました。

B: 赤い十字は AI によって発見された異常な特徴であり、青い点は分析中に医師がマークした疑わしい領域です。

結果を比較する:特異性 + 感度

このコンテストには、放射線科医315人、放射線技師206人、臨床医31人を含む合計552人の医師が参加し、NHSBSP総数の68%を占めた。

2 セットの PERFORMS データセットを分析した結果、161 件のマンモグラムは正常、70 件は乳房に悪性腫瘍があり、9 件は良性であることが判明しました。悪性腫瘍の一般的な特徴には、塊（64.3%）、石灰化（12.9%）、非対称性（11.4%）、構造的歪み（11.4%）が含まれ、平均病変サイズは15.5±9.2mmです。

表 1: PERFORMS データセットの結果

人間のグループの平均 AUC は 0.88 でした。 AIグループのAUCは0.93で、人間グループの96.8パーセンタイルに相当し、ただし、2 つのグループ間で AUC に有意差はありませんでした。

図 4: 医師グループの AUC ヒストグラムと AI AUC (黄色の線)

ヒトパネルの平均感度と特異度は、それぞれ90%と76%でした。開発者が推奨するしきい値以下では、AI の感度と特異度はそれぞれ 84% と 89% です。

表2：医師群と異なる閾値AIの判定結果

TP: 真陽性。

FP: 偽陽性。

TN: 真陰性。

FN: 偽陰性。

感度 = TP / 陽性者の総数。

特異度 = TN / 陰性の総数。

AI の ROC 曲線では、52% のドクターのパフォーマンスは曲線より上、36% は曲線より下、12% のパフォーマンスは ROC 曲線と一致しています。

図 5: AI の ROC 曲線。青い点はさまざまな医師のパフォーマンスを示します。

AIの閾値が3.06の場合、AIの感度は医師の感度と一致し、63例の悪性腫瘍を検出し、7例のみを見逃した。現時点では、AI の特異性は医師の特異性と大きく変わりません。

閾値を2.91に設定した場合、AIの特異度は医師グループの特異度と一致し、感度は91%でした。上記の結果は、Lunit の AI が人間の医師と同等の感度と特異度でマンモグラムを分析していることを示しています。

図6：閾値の違いによるAI判定結果への影響

A: 青い矢印は非対称領域を示し、後に組織学的グレード 2 の乳管癌と特定されました。

B: AI 閾値が 2.91 の場合の検出結果、赤十字が最終的に真陽性として識別されます。

C：AI閾値が3.06の場合の検出結果であり、明らかな異常特徴は見つからない。

ヤン・チェン教授はこう言いました。この研究の結果は、AI スクリーニングに対する強力な証拠を提供し、AI が人間の医師と同じレベルでマンモグラムを分析できることを示しています。”。

乳がん：隠れたピンクのキラー

2021年2月4日の世界がんデーに、世界保健機関（WHO）傘下の国際がん研究機関は次のように述べた。昨年の乳がんの新規症例数は230万人で、TP3Tの11.71人を占め、初めて肺がんの新規症例数を上回った。、「隠れピンクキラー」となっています。

同時に、乳がんの発生率が最も高いグループは高所得国の女性であり、低・中所得国の女性の発生率は大幅に低くなります。さらに、約 0.5 ～ 1% の乳がんは男性に由来します。

しかし、乳がん自体の死亡率は高くありません。 2016 年から 2020 年までに、800 万人の女性が乳がんと診断され、生存しましたが、これは他のがんよりも多い数字です。

現在、WHOは世界中で「世界乳がん対策」を推進しています。早期発見、タイムリーな診断、包括的な乳がん管理により、世界中で乳がんによる死亡者数が減少することが期待されています。

図 7: AI 支援乳がんスクリーニング

乳がんの一次スクリーニングのための強力なツールとして、AI は乳がんの初期の特徴を適時に検出でき、予備段階で「ピンクキラー」を殺すことが期待されています。しかしAI を臨床現場で大規模に推進するには時期尚早かもしれません。環境やアルゴリズム自体の変化が AI に影響し続け、時間の経過とともに AI の感度と特異性が低下するからです。

ヤン・チェン教授も次のように考えています。AIが臨床応用されると、それを継続的に評価および監視するメカニズムが必要です”。現在、世界中の研究チームがAIの検出結果を評価しており、満足のいく結果が得られています。将来的には、効率的な AI と完全な規制メカニズムの助けを借りて、さまざまな病気は「隠れる場所」がなくなり、私たちの健康はより安定して保護されます。

参考リンク:

[1]https://acsjournals.onlinelibrary.wiley.com/doi/10.3322/caac.21708

[2]https://www.sciencedirect.com/science/article/pii/S2667005422000047

この記事は、HyperAI Super Neural WeChat パブリック プラットフォームで初めて公開されました。~