日本語AIでPubMedを検索
超音波検査による腫瘍性胆嚢ポリープの診断のためのディープラーニングベースの意思決定支援システム。予備的な結果
Deep learning-based decision support system for the diagnosis of neoplastic gallbladder polyps on ultrasonography: Preliminary results.
PMID: 32382062 PMCID: PMC7205977. DOI: 10.1038/s41598-020-64205-y.
抄録
胆嚢ポリープの診断には超音波検査（US）が最適とされてきたが，非腫瘍性ポリープと腫瘍性ポリープの鑑別には限界があった．本研究では，GBポリープのUSでの鑑別診断におけるディープラーニングベースの意思決定支援システム（DL-DSS）を開発し，その有用性を検討した．レトロスペクティブに535人の患者を収集し，開発データセット（n=437）とテストデータセット（n=98）に分けた．2値分類畳み込みニューラルネットワークモデルは伝達学習により開発した。テストデータセットを用いて、経験レベルの異なる3人の放射線科医が、5点信頼度スケールを用いて、レトロスペクティブに腫瘍性ポリープの可能性を評定した。査読者は、DL-DSSアシスタントを用いて評点を再評価するように求められた。3人のレビュアーの曲線下面積（AUC）は0.94、0.78、0.87であった。DL-DSSのみではAUCは0.92であった．DL-DSSアシスタントを併用すると、レビューアのAUCは0.95、0.91、0.91と改善した。また、査読者の特異度も改善した（65.1-85.7→71.4-93.7）。クラス内相関係数（ICC）は0.87から0.93に改善した。結論として，DL-DSSはレビューア間の格差を減らし，偽陽性率を低減するための支援ツールとして利用できる可能性があると考えられる．
Ultrasonography (US) has been considered image of choice for gallbladder (GB) polyp, however, it had limitations in differentiating between nonneoplastic polyps and neoplastic polyps. We developed and investigated the usefulness of a deep learning-based decision support system (DL-DSS) for the differential diagnosis of GB polyps on US. We retrospectively collected 535 patients, and they were divided into the development dataset (n = 437) and test dataset (n = 98). The binary classification convolutional neural network model was developed by transfer learning. Using the test dataset, three radiologists with different experience levels retrospectively graded the possibility of a neoplastic polyp using a 5-point confidence scale. The reviewers were requested to re-evaluate their grades using the DL-DSS assistant. The areas under the curve (AUCs) of three reviewers were 0.94, 0.78, and 0.87. The DL-DSS alone showed an AUC of 0.92. With the DL-DSS assistant, the AUCs of the reviewer's improved to 0.95, 0.91, and 0.91. Also, the specificity of the reviewers was improved (65.1-85.7 to 71.4-93.7). The intraclass correlation coefficient (ICC) improved from 0.87 to 0.93. In conclusion, DL-DSS could be used as an assistant tool to decrease the gap between reviewers and to reduce the false positive rate.