MEDICINE & AI

タイトル：GRAPHITE: Graph-based interpretable tissue examination for enhanced explainability in breast cancer histopathology 雑誌名：Comput Biol Med. 2025 Oct; 197(Pt B): 111106. 概　要： 本研究では、乳がんの組織マイクロアレイ（TMA）分析のために設計された解釈可能なフレームワーク「GRAPHITE」を紹介します。医療分野における説明可能なAI（XAI）は、がん診断における深層学習モデルの解釈性と臨床的信頼性を高めるために重要ですが、これらのモデルのブラックボックス性が臨床での採用を制限しています。GRAPHITEは、さまざまな倍率でパッチを抽出し、階層的なグラフを構築し、スケール依存の特徴を捉えるためにグラフ注意ネットワーク（GAT）を利用します。140の腫瘍TMAコアと4つの良性全スライド画像を用いてモデルを訓練し、53の病理医によって注釈付けされたTMAサンプルでテストしました。 方　法： 本研究は、140の腫瘍TMAコアと4つの良性全スライド画像から作成した140の良性サンプルを用いたコホート研究です。GRAPHITEは、マルチスケールアプローチを採用し、異なる倍率でパッチを抽出し、階層的なグラフを構築して、グラフ注意ネットワークを利用してスケール依存の特徴を捉えました。主要評価指標は、平均適合率（mAP）0.56、受信者動作特性曲線下面積（AUROC）0.94、しきい値の堅牢性（ThR）0.70です。 結　果： GRAPHITEは、従来のXAI手法を上回り、mAP 0.56、AUROC 0.94、ThR 0.70を達成しました。また、決定曲線下面積（AUDC）は4.17e+5であり、さまざまなしきい値において信頼できる意思決定支援を示しました。これにより、GRAPHITEは計算病理学における臨床的に価値のあるツールとしての可能性を示しています。 結　論： GRAPHITEは、病理医の診断推論に沿った解釈可能な視覚化を提供し、精密医療を支援することで、計算病理学における臨床的価値を高める可能性があります。