腎細胞癌における多層記述と浸潤性予測のための文脈認識型異種グラフニューラルネットワーク
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：Context-aware heterogeneous graph neural network for multi-level description and invasiveness prediction in renal cell carcinoma.
雑誌名：Artif Intell Med. 2026 Feb; 172: 103313. doi: 10.1016/j.artmed.2025.103313. Epub 2025 Nov 25.
概 要：
腎細胞癌（RCC）の浸潤性予測は、外科的治療計画や患者の予後において重要です。現在、浸潤性の評価は主にCT画像による観察に依存しており、人的視覚や定性的な記述の限界が腎静脈浸潤（RSI）の診断精度を制約しています。本研究では、腫瘍領域だけでなく、腫瘍内の異質性や周囲の情報、腫瘍が存在する腎臓全体を包括的に評価する必要があることから、文脈認識型異種グラフニューラルネットワークを提案します。このモデルは、マルチレベルの画像特徴を統合し、データ駆動型の拡散摂動戦略を通じて干渉不変特徴を学習する能力に優れています。
方 法：
本研究は、437人の患者から得られたCTスキャン画像を含む多施設データセットを用いた実験を行い、提案モデルの有効性と一般化能力を評価しました。提案モデルは、最先端の分類モデルと比較され、RSI分類においてAUC 0.88を達成しました。
結 果：
提案モデルは、臨床専門家との比較研究においても既存の評価方法や臨床専門家よりも有意に優れていることが示されました（p<0.05）。これにより、腎細胞癌におけるRSIの自動診断のための効果的な評価ツールを提供し、より精密な腫瘍予測モデルの構築に新たな洞察をもたらします。
結 論：
本研究は、腎細胞癌におけるRSIの自動診断を支援するための効果的なツールを提供し、腫瘍予測モデルの精度向上に寄与する可能性があることを示しました。