人工知能システムを用いた密な乳腺組織における乳房超音波腺組織成分の分類支援
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：Using artificial intelligence system for assisting the classification of breast ultrasound glandular tissue components in dense breast tissue
雑誌名：Sci Rep. 2025 Apr 06; 15(1): 11754.
概 要：
本研究は、密な乳腺組織における腺組織成分（GTC）の分類に人工知能（AI）駆動の乳房超音波分析モデルを用いる可能性を探求しました。1,848人の健康な女性を対象にした前向き研究で、密な乳腺と分類されたマンモグラムを使用しました。Residual Network (ResNet) 101分類モデルとResNetに完全畳み込みネットワーク（FCN）を組み合わせたモデルを訓練し、より効果的なモデルを選定しました。評価指標には感度、特異度、陽性的中率（PPV）が含まれ、AI支援により放射線科医の分類精度が向上しました。
方 法：
本研究は、1,848人の健康な女性を対象とした前向き研究で、密な乳腺と分類されたマンモグラムを使用しました。ResNet 101分類モデルとResNet+FCNセグメンテーションモデルを訓練し、3人の乳房放射線科医と3人の非乳房放射線科医の分類性能を評価しました。主要評価指標は感度、特異度、PPVです。
結 果：
ResNet 101モデルはResNet+FCNモデルよりも優れた性能を示し、全ての放射線科医の分類感度をそれぞれ0.060、0.021、0.170、0.009、0.052、0.047向上させました。腺組織成分P1からP4のPPVは、AI支援によりそれぞれ0.154、0.178、0.027、0.109増加しました。特に非乳房放射線科医ではPPVが有意に上昇しました（p < 0.01）。
結 論：
ResNet 101深層学習モデルは、異なる経験を持つ放射線科医が超音波画像で密な乳腺腺組織成分を区別するための信頼性が高く正確な支援システムであることが示されました。