造影CTに基づく2.5D深層学習モデルの胃癌におけるリンパ血管浸潤の術前予測価値
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：Preoperative prediction value of 2.5D deep learning model based on contrast-enhanced CT for lymphovascular invasion of gastric cancer.
雑誌名：Sci Rep. 2025 Jul 15; 15(1): 25646.
概 要：
本研究は、胃癌患者における術前のリンパ血管浸潤（LVI）を予測するために、造影CT画像を用いた深層学習（DL）およびラジオミクスアプローチに基づく人工知能モデルの開発と検証を目的としています。351人の胃癌患者のデータを遡及的に分析し、訓練群246人、テスト群105人に7:3の比率で分割しました。腫瘍の最大断面に基づく2.5Dデータを生成し、マルチインスタンス学習（MIL）モデルを確立しました。モデルの性能は、AUCや混同行列、感度・特異度などの詳細な指標を用いて評価されました。最終的に、2.5D MILモデルと組み合わせモデルが最も優れた性能を示し、臨床的な有用性が確認されました。
方 法：
本研究は351人の胃癌患者を対象にした後ろ向き研究です。患者データは訓練群（n=246）とテスト群（n=105）に分けられ、造影CTの静脈相画像を用いて腫瘍領域を特定しました。2Dおよび3Dの深層学習モデル（DL2D、DL3D）に加え、2.5Dデータを用いたMILモデルを開発しました。モデルの性能評価にはAUC、混同行列、感度・特異度が使用されました。
結 果：
テストセットにおいて、2.5D MILモデルと組み合わせモデルはそれぞれAUC 0.820および0.822を達成し、臨床モデルや他のラジオミクスモデルよりも優れた性能を示しました。また、これらのモデルはLVI予測において良好なキャリブレーションを示し、臨床的な利益を提供することが確認されました。
結 論：
2.5D MILモデルと組み合わせモデルは、胃癌における術前のリンパ血管浸潤を高精度で予測できることが示され、臨床医が適切な治療選択を行うための貴重な洞察を提供します。