肝細胞癌における腫瘍クラスターを包む血管の検出における機械学習の有効性：系統的レビューとメタアナリシス
カテゴリ：診断支援・画像解析
公開日：2026年1月16日
タイトル：Effectiveness of Machine Learning in Detecting Vessels Encapsulating Tumor Clusters in Hepatocellular Carcinoma: Systematic Review and Meta-Analysis
雑誌名：J Med Internet Res. 2026 Jan 14; 28: e82839. doi: 10.2196/82839. Epub 2026 Jan 14.
概 要：
本研究は、肝細胞癌（HCC）における腫瘍クラスターを包む血管（VETC）の検出における機械学習モデルの診断精度を系統的に評価することを目的としています。VETCはHCCの予後不良と関連しており、早期の特定が課題です。メタアナリシスでは、6755人のHCC患者を対象とした31の研究を分析し、機械学習モデルの有効性を定量的に評価しました。
方 法：
Cochrane Library、Embase、Web of Science、PubMedを2025年6月21日まで検索し、HCCのVETC診断に関する機械学習モデルに焦点を当てた研究を対象としました。リスク要因のみを分析した研究や結果指標が欠如している研究は除外しました。バイアリアット混合効果モデルを用いてメタアナリシスを実施し、サブグループ分析を行いました。
結 果：
31の研究から6755人のHCC患者（2699人がVETC陽性）が含まれました。非放射線特徴に基づくモデルは感度0.72、特異度0.74、SROC AUC 0.80を示しました。放射線特徴モデルは感度0.81、特異度0.73、SROC AUC 0.84を示しました。従来の機械学習は感度0.84、特異度0.75、SROC AUC 0.83を達成し、深層学習は感度0.77、特異度0.70、SROC AUC 0.81を示しました。
結 論：
本メタアナリシスは、HCCにおけるVETC診断における機械学習モデルの有効性を定量的に評価した初の研究であり、今後の知能検出ツールの開発に向けた基盤を提供します。機械学習モデルは臨床応用に向けた成熟には至っておらず、今後は多施設、大規模、標準化された前向き研究が必要です。