深層学習を用いた食道癌リンパ節転移診断の有用性

概要

（書式１８）

学
（

位 論 文 要 約
A b s t r a c t ）

博士論文題目 Title of dissertation
深層学習を用いた食道癌リンパ節転移診断の有用性

東北大学大学院医学系研究科
外科病態学

講座

氏名 Name

医科学

消化器外科学
篠﨑

専攻
分野

康晴

背景：正確な食道癌のリンパ節転移診断は、治療方針決定に不可欠である。近年、人工知能（Artificial
Intelligence : AI）による深層学習(Deep learning : DL)モデルは、医療分野において、特に画像診断領域
で発展してきている。
目的：非造影 CT（non Contrast Enhanced Computed Tomography：nCECT)と造影 CT（Contrast Enhanced Computed
Tomography ：CECT)および PET (Positron Emission Tomography)/CT を用いてリンパ節転移診断をする DL モ
デルを開発することである。また、開発した DL モデルと食道外科専門医による読影を比較し DL モデルの有用
性を明らかにすることとした。
方法： 2017 年から 2020 年に当院で食道切除術を受けた食道癌患者 167 名を本研究に登録した。 合計 521 の
リンパ節が登録され、そのうち 105 個のリンパ節をテストデータに、他 416 個のリンパ節をトレーニングデー
タに使用した。各リンパ節の画像は最大面が移っている水平断１スライスにおいてリンパ節を中心として 32
mm x 32 mm にトリミングし、この画像を使用して食道外科専門医での読影と DL モデルの読影に使用した。nCECT、
CECT、PET の画像データセットに対し、3 種類の各単一モダリティーおよび 3 種類のマルチモダリティーの画
像データから食道癌リンパ節転移の診断を行う DL モデルを作成した。DL モデルには、残差ニューラルネット
ワーク(ResNet101)を用いた。また、食道外科専門医によるリンパ節転移の画像診断精度との対比を行うため、
3 名の 15 年以上の診療経験のある日本食道学会認定食道外科専門医で連続確信度法による nCECT、CECT、およ
び PET の画像評価を行った。DL モデル、食道外科専門医の画像診断の診断精度は、AUC-ROC（Area Under the
Curve - Receiver Operating Characteristic）によって算出し、比較検討した。
結果：合計 150 のリンパ節(29%)が転移陽性であった。DL モデル/食道外科専門医画像診断による nCECT、CECT、
および PET の AUC-ROC は、それぞれ 0.73 / 0.76(p=0.64)、0.72 / 0.76(p=0.60)、0.75 / 0.82(p=0.18)であ
った。 nCECT/CECT/PET マルチモダリティーの AUC-ROC は、DL モデルおよび食道外科専門医によってそれぞれ
0.81 および 0.83 であった(p = 0.85)。
結論：本研究では、食道癌リンパ節転移診断において nCECT、 CECT、および PET を組み合わせた DL モデルを
開発した。開発した DL モデルは経験豊富な食道外科専門医による読影と比較して遜色がないことがあきらか
になった。このことから本研究で開発した DL モデルは実臨床において有用である可能性が示された。 ...