腎腫瘍の多クラス分類のためのマルチモーダル深層学習モデル
カテゴリ：診断支援・画像解析
公開日：2026年5月5日
タイトル：Multimodal deep learning model for multiclass classification of renal tumors.
雑誌名：NPJ Digit Med. 2026 May 04; doi: 10.1038/s41746-026-02697-0.
概 要：
腎腫瘍の治療前に正確な分類を行うことは、治療方針の決定や患者の予後において重要です。本研究では、マルチフェーズコントラスト強調CTと臨床情報を統合したマルチモーダル深層学習モデル「Multi-Phase Attention Network (MPANet)」を開発・検証しました。このモデルは、完全なフェーズと欠損フェーズのCTデータを利用して、明確細胞腎細胞癌（ccRCC）、乳頭状腎細胞癌（pRCC）、腺腫様腫瘍（色素性腎細胞癌（chRCC）および腎腺腫（RO）を含む）、脂肪貧弱血管筋脂肪腫（fpAML）の4つの一般的かつ混同しやすい腎腫瘍の多クラス分類を行います。1688件の多施設症例が登録され、MPANetは単一フェーズモデルよりも一貫して優れた性能を示しました。
方 法：
本研究は、1688件の多施設からの症例を対象にしたコホート研究です。MPANetは、マルチフェーズコントラスト強調CTと臨床情報を統合して訓練され、完全なフェーズと欠損フェーズのデータを利用します。主要評価指標は、内部テストセットにおけるマクロ平均AUC 0.850、マイクロ平均AUC 0.865、精度73.3%です。
結 果：
MPANetは、内部テストセットでマクロ平均AUC 0.850、マイクロ平均AUC 0.865、精度73.3%を達成しました。放射線科医4人によるCT評価（精度43.6-62.4%）や、MRIを用いたccLSシステムによる評価（精度52.5%および49.5%）と比較して、MPANetは10.9%から29.7%の改善を示しました。外部テストセットでは、マクロ平均AUCがそれぞれ0.811および0.813、マイクロ平均AUCが0.867および0.909でした。
結 論：
MPANetは、腎腫瘍の診断において臨床意思決定支援ツールとしての可能性を示しており、個別化された診断に寄与することが期待されます。