CT画像における肝悪性腫瘍のラジオミクスと深層学習の特性評価 - 系統的レビュー
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：Radiomics and deep learning characterisation of liver malignancies in CT images - A systematic review
雑誌名：Comput Biol Med. 2025 Aug; 194: 110491.
概 要：
本レビューは、CT画像を用いた肝悪性腫瘍のラジオミクスおよび深層学習（DL）モデルの手法、成果、限界、パフォーマンスを検討しています。CTは高い空間分解能を持ち、組織密度を区別できるため、肝臓の画像解析に広く使用されています。最近のAIの進展により、機械学習（ML）が肝癌の管理において重要な役割を果たすようになり、DLは大規模データを自動的に分析する能力を拡張しました。2020年から2024年の間に、肝癌分析に関するCTラジオミクスとDLに関する英語のフルテキスト記事を系統的に検索しました。
方 法：
PubMed、Scopus、Science Citation Index、Cochrane Libraryのデータベースを使用し、2020年から2024年の間に「機械学習」「ラジオミクス」「深層学習」「コンピュータ断層撮影」「肝癌」などのキーワードを用いて系統的検索を行いました。PRISMAガイドラインに従って、研究の選定とスクリーニングを行いました。
結 果：
合計49件の研究が含まれ、内訳はラジオミクス17件、深層学習24件、ラジオミクスと深層学習の組み合わせ8件でした。ラジオミクスは主に予測分析に利用され、深層学習は自動肝臓および腫瘍セグメンテーションに広く適用されています。最近では両技術を統合した研究が増加しています。
結 論：
DL手法の人気が高まる中でも、古典的なラジオミクスモデルは依然として重要であり、パフォーマンスが類似している場合には計算資源やデータの必要性が低いため、しばしば好まれます。モデルのパフォーマンスは向上し続けていますが、データ不足や標準化されたプロトコルの欠如といった課題が残っています。