食道癌の早期発見：多施設の狭帯域および白色光画像データを用いたAIアルゴリズムの評価
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：Early detection of esophageal cancer: Evaluating AI algorithms with multi-institutional narrowband and white-light imaging data.
雑誌名：PLoS One. 2025; 20(4): e0321092.
概 要：
食道癌は世界で最も一般的な癌の一つであり、特に食道扁平上皮癌は遅い段階で診断されることが多く、予後が悪いです。本研究では、食道癌の早期診断と発見のために、内視鏡画像における腫瘍を検出するアルゴリズムを開発しました。Gachon University Gil Hospitalから収集した白色光および狭帯域画像データを使用し、YOLOv5およびRetinaNet検出モデルを適用しました。これらのモデルは高い性能を示し、RetinaNetはNBIデータセットで精度98.4%、感度91.3%を達成し、YOLOv5はWLIデータセットで精度93.7%、感度89.9%を達成しました。外部データを用いたモデルの一般化可能性も検証されました。この研究は、AIに基づく食道内視鏡画像分析を通じて食道腫瘍を効果的に検出する方法を示しています。
方 法：
この研究は、Gachon University Gil Hospitalから収集した白色光および狭帯域画像データを用いたアルゴリズム開発に関するものです。YOLOv5およびRetinaNetの検出モデルを使用し、腫瘍の検出を行いました。RetinaNetはNBIデータセットで精度98.4%、感度91.3%、YOLOv5はWLIデータセットで精度93.7%、感度89.9%を達成しました。モデルの一般化可能性は、複数の施設からの外部データを用いて検証されました。
結 果：
RetinaNetはNBIデータセットで精度98.4%、感度91.3%を達成し、YOLOv5はWLIデータセットで精度93.7%、感度89.9%を達成しました。これらの結果は、AIモデルが食道癌の早期発見において高い性能を示すことを示しています。
結 論：
本研究は、AIに基づく食道内視鏡画像分析が食道腫瘍の検出において効果的であることを示しました。これにより、誤診率の低下、食道癌の診断および治療の向上、医療サービスの標準化が期待されます。