境界性および悪性卵巣腫瘍の術前診断モデルを開発するためのマルチモーダル統合の応用
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Application of multimodal integration to develop preoperative diagnostic models for borderline and malignant ovarian tumors
雑誌名：Sci Rep. 2025 Oct 23; 15(1): 37114.
概 要：
本研究は、悪性卵巣腫瘍（MOT）と境界性卵巣腫瘍（BOT）の術前診断の精度を向上させるために、人工知能（AI）を用いたマルチモーダル診断モデルを開発し、検証しました。MOTとBOTは治療戦略や予後が異なるため、正確な診断が重要です。血液検査データに基づく機械学習（ML）モデルと、磁気共鳴画像（MRI）所見に基づく深層学習（DL）モデルを統合し、78人の悪性漿液性卵巣腫瘍患者と31人の境界性漿液性卵巣腫瘍患者を分析しました。これにより、診断精度の向上が期待されます。
方 法：
本研究は、78人の悪性漿液性卵巣腫瘍患者と31人の境界性漿液性卵巣腫瘍患者を対象にした研究です。血液検査データに基づくMLモデルとMRIデータに基づくDLモデルを開発し、これらを統合した3つのフュージョンモデルを構築しました。モデルの性能は、精度、再現率、正確性を用いて評価しました。
結 果：
血液検査データを用いた分類モデルは、Light Gradient Boosting Machineを使用し、精度0.825を達成しました。MRIデータを用いたDLモデルは、Visual Geometry Group 16層ネットワークを使用し、精度0.722を達成しました。フュージョンモデルは、中間融合、後期融合、密融合モデルでそれぞれ精度0.809、0.776、0.825を達成しました。
結 論：
血液検査と画像データなどのマルチモーダル情報を統合することで、学習効率が向上し、診断精度が改善される可能性が示されました。