Clinical Application of Artificial Intelligence to Improve Diagnostic Performance of Endoscopic Ultrasound for Pancreatic Diseases

人工智能临床应用提高超声内镜对胰腺疾病的诊断性能

基本信息

批准号：
20K12689
负责人：
石川卓哉
金额：
$ 2.25万
依托单位：
Nagoya University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

膵癌の予後改善のためには早期発見と適切な診断が必須である。画像診断技術の進歩により、膵臓の小腫瘤性病変が発見されるようになってきたが、良悪性診断は容易ではない。研究代表者らはこれまでに膵腫瘤の診断における、EUSに超音波用造影剤を組み合わせた造影EUSの有用性について報告してきた。しかし、EUSは主観性が高く、術者の技量や経験によるところも大きい。本研究では、造影EUSで得られた画像を人工知能（AI）に機械学習させることで術者の技量や経験の差を軽減し、膵腫瘤診断における新たな診断体系の確立を目的とした。現在までに膵癌58例、非膵癌61例の合計119例の画像データを集積し、研究協力者である名城大学電気電子工学科の力を借りて機械学習による解析を行った。機械学習には、Attentionを使用したV-Netという手法を用いて学習・検証・テストを行った。3回の交差検証による膵癌・非膵癌の自動診断の感度、特異度、正診率の平均は、それぞれ83.3%、88.9%、86%であった。今後Attentionで重要視する領域を再分析、改善させることで、さらなる診断能向上が期待される。令和3年度から4年度にかけては膵病変に対するEUSガイド下穿刺生検(EUS-FNB)におけるAIの有用性についても検討を行った。膵疾患に対して22Gフランシーン形状針を用いてEUSFNBを施行し、検体採取直後に実体顕微鏡で撮影を行った96例173検体を対象とし、機械学習の一つである対照学習を用いた、膵疾患におけるEUS-FNB検体の新たな評価法の開発を目的とした。対照学習を用いた8分割交差検証（学習13時間、推論11分）による自動診断の感度、特異度、正診率の平均は、それぞれ90.34%、53.5%、84.39%であり、EUS熟練者による肉眼的判定と同等、もしくはそれ以上の診断能を得た。

早期发现和适当诊断对于改善胰腺癌的预后至关重要。诊断成像技术的进步导致胰腺中小肿块病变的发现，但诊断良性或恶性病变并不容易。主要研究人员此前曾报道过对比增强 EUS（将 EUS 与超声造影剂相结合）在诊断胰腺肿块中的有用性。然而，EUS 具有很强的主观性，很大程度上取决于操作者的技能和经验。在本研究中，我们旨在建立一种新的胰腺肿瘤诊断系统，利用人工智能（AI）对增强超声内镜获得的图像进行机器学习，以减少操作者技能和经验的差异。迄今为止，他们已经积累了总共 119 个病例的图像数据，其中 58 例为胰腺癌，61 例为非胰腺癌，并在研究合作者、名城大学电气与电子工程系的帮助下使用机器学习对其进行了分析。对于机器学习，我们使用了一种称为 V-Net 的方法，它使用 Attention 来执行学习、验证和测试。经过3次交叉验证，自动诊断胰腺癌和非胰腺癌的平均灵敏度、特异度和准确率分别为83.3%、88.9%和86%。未来，通过重新分析和改进Attention中重要的领域，有望进一步提高诊断能力。 2021年至2020年，我们还研究了人工智能在超声内镜引导下细针活检（EUS-FNB）中对胰腺病变的有用性。我们对 96 个病例的 173 个标本使用了对比学习（一种机器学习），其中使用 22G Francine 形针进行胰腺疾病 EUSFNB，并在标本采集后立即用立体显微镜拍摄图像，目的是开发一种方法。 EUS-FNB标本在胰腺疾病中的新评估方法。使用对比学习（13小时学习，11分钟推理）的8倍交叉验证的自动诊断的平均灵敏度、特异性和准确率分别为90.34%、53.5%和84.39%，与诊断性能相当。或获得比视觉判断更好的结果。