高リスクの女性における前がん変化の予測 マンモグラフィに基づくディープラーニング手法の突破

高リスクの女性における前がん変化の予測' is condensed to '前がん変化の予測' which means 'prediction of precancerous changes in high-risk women' 'マンモグラフィに基づくディープラーニング手法の突破' is condensed to 'マンモグラフィに基づくディープラーニング手法の突破' which means 'breakthrough in deep learning methods based on mammography

人工知能（AI）と深層学習の進歩により、医療診断と患者ケアの向上に新たな可能性が開かれました。最近のRadiology：Artificial Intelligenceに掲載された研究では、乳がんリスクの高い女性の前がん変化を検出する乳がんマンモグラフィベースのディープラーニング（DL）モデルの潜在能力を示しています。この研究は、特に疾病に対する感受性が高い人々の乳がん検出とリスク分類の向上に重要な約束を持っています。

この研究では、スクリーニングマンモグラムの広範なデータセットでトレーニングされたDLモデルの利用に焦点を当てました。

DLモデルの性能は、受信者操作特性曲線下の面積（AUC）を使用して予測精度を測定することによって評価されました。結果は有望なものであり、DLモデルは1年間のAUCが71％、5年間のAUCが65％で、乳がんの予測において優れた成績を収めました。一方、従来の乳房イメージング報告およびデータシステム（BI-RADS）システムは、1年間のAUCが73％でわずかに高いものの、DLモデルは長期の乳がん予測において優れた成績を収めました。5年間のAUCはBI-RADSの54％に対してDLモデルの63％となりました。

• 光ベースのコンピューティング革命：強化された光ニューラルネットワークでChatGPTタイプの機械学習プログラムを動かす
• 「Advanced Reasoning Benchmark（ARB）に会いましょう：大規模な言語モデルを評価するための新しいベンチマーク」
• 「FACTOOLにご紹介いたします：大規模言語モデル（例：ChatGPT）によって生成されたテキストの事実エラーを検出するためのタスクとドメインに依存しないフレームワーク」

この研究では、将来のがん発症を予測するための画像の役割にも着目し、標準的なマンモグラフでは明らかにならない早期の前がんまたは前悪性変化を検出するDLモデルの正確性を評価するためにミラーリング実験を行いました。その結果、DLモデルの性能において将来の乳がんをイメージングすることの重要性が示されました。陽性ミラーリングでは62％のAUCが得られ、陰性ミラーリングでは51％のAUCが示され、DLモデルが前がんまたは早期の悪性変化を検出する可能性があることを強調しています。

特に有望な所見は、DLモデルが短期リスク分類においてBI-RADSシステムを補完する可能性です。DLモデルの結果をBI-RADSスコアと組み合わせることにより、識別力が向上し、スクリーニングマンモグラムの評価を高め、近期のリスク評価により正確な予測を提供する可能性が示唆されました。

研究者はまた、DLモデルのトレーニングデータセットがリスクが低い高リスクの女性に焦点を当てている点にも言及し、平均的な乳がんリスクのある女性に研究結果を直接外挿することには注意が必要であると述べています。さまざまな人口でのDLモデルの適用可能性と、より広範な患者の乳がん検出とリスク評価への貢献の可能性を探るためにさらなる研究が必要です。

全体として、この研究は、特に高リスクの個人にとって、乳がん検出とリスク分類におけるDLモデルの重要な約束を強調しています。技術の進歩に伴い、AIによるソリューションは乳がんスクリーニングおよび管理を革新し、早期発見と患者ケアの改善につながる可能性があります。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!