日本語AIでPubMedを検索
ディープラーニングシステムがバレット食道患者の新生物を内視鏡医よりも高い精度で検出する多段階トレーニングとベンチマークを用いた検証研究
Deep-Learning System Detects Neoplasia in Patients With Barrett's Esophagus With Higher Accuracy Than Endoscopists in a Multistep Training and Validation Study With Benchmarking.
PMID: 31759929 DOI: 10.1053/j.gastro.2019.11.030.
抄録
我々は、バレット食道（BE）患者の早期新生物の内視鏡的検出を改善するために、臨床現場でのリアルタイム使用に適した深層学習型コンピュータ支援検出（CAD）システムを開発し、検証することを目的とした。
BACKGROUND & AIMS: We aimed to develop and validate a deep-learning computer-aided detection (CAD) system, suitable for use in real time in clinical practice, to improve endoscopic detection of early neoplasia in patients with Barrett's esophagus (BE).
方法:
5つの独立した内視鏡データセットを用いて、ハイブリッドResNet-UNetモデルCADシステムを開発した。すべての腸管セグメントから収集した494,364枚のラベル付き内視鏡画像を用いてプレトレーニングを行った。次に、669人の患者から得られた、BEおよび非形成性BEの早期新生物を厳密に確認した1704枚のユニークな食道高解像度画像を使用した。システム性能は、データセット4と5を使用して評価した。データセット5は、CADシステムの性能をベンチマークするために、4カ国の幅広い経験を持つ53名の一般内視鏡医によって採点された。組織病理所見と合わせて、データセット2～5の早期新生物を含む画像のスコアリングでは、複数の専門家による新生物の位置と範囲の詳細な定義が行われ、その評価がセグメンテーションの根拠となった。
METHODS: We developed a hybrid ResNet-UNet model CAD system using 5 independent endoscopy data sets. We performed pretraining using 494,364 labeled endoscopic images collected from all intestinal segments. Then, we used 1704 unique esophageal high-resolution images of rigorously confirmed early-stage neoplasia in BE and nondysplastic BE, derived from 669 patients. System performance was assessed by using data sets 4 and 5. Data set 5 was also scored by 53 general endoscopists with a wide range of experience from 4 countries to benchmark CAD system performance. Coupled with histopathology findings, scoring of images that contained early-stage neoplasia in data sets 2-5 were delineated in detail for neoplasm position and extent by multiple experts whose evaluations served as the ground truth for segmentation.
結果:
CADシステムは、画像に新生物を含むか非形成性BEを含むかを、精度89％、感度90％、特異度88％で分類した（データセット4、80人の患者と画像）。データセット5（80人の患者と画像）では、CADシステムと一般内視鏡医との比較では、精度88％対73％、感度93％対72％、特異度83％対74％であった。CADシステムは、非熟練内視鏡専門医53名の中でも高い精度を達成しており、同程度の描出能力を有していた。CADによる新生物の領域の境界線は、データセット4および5で検出されたすべての新生物において、BEの専門家による境界線と重複していた。CADシステムは、検出された新生物の生検に最適な部位を97％と92％の症例で特定した（データセット4と5）。
RESULTS: The CAD system classified images as containing neoplasms or nondysplastic BE with 89% accuracy, 90% sensitivity, and 88% specificity (data set 4, 80 patients and images). In data set 5 (80 patients and images) values for the CAD system vs those of the general endoscopists were 88% vs 73% accuracy, 93% vs 72% sensitivity, and 83% vs 74% specificity. The CAD system achieved higher accuracy than any of the individual 53 nonexpert endoscopists, with comparable delineation performance. CAD delineations of the area of neoplasm overlapped with those from the BE experts in all detected neoplasia in data sets 4 and 5. The CAD system identified the optimal site for biopsy of detected neoplasia in 97% and 92% of cases (data sets 4 and 5, respectively).
結論:
我々は、BE患者の新生物を一次検出するための深層学習型コンピュータ支援システムを開発し、検証し、ベンチマークを行った。このシステムは、高精度でほぼ完璧な新生物の検出を可能にした。オランダ国家試験レジストリ、番号。NTR7072。
CONCLUSIONS: We developed, validated, and benchmarked a deep-learning computer-aided system for primary detection of neoplasia in patients with BE. The system detected neoplasia with high accuracy and near-perfect delineation performance. The Netherlands National Trials Registry, Number: NTR7072.
Copyright © 2020 AGA Institute. Published by Elsevier Inc. All rights reserved.