医師は乳がんを診断するため、乳房組織の生検画像を調べます。しかし、がん性と良性の画像の違いは、人間の目では判別が難しいことがあります。新しいアルゴリズムは画像の解釈を支援し、課題によっては経験豊富な病理医とほぼ同等、あるいはそれ以上の精度を発揮します。
「この研究では、乳房生検の全スライド画像において、乳管を取り囲む組織クラスのパターンを分析し、さまざまな診断クラスの特徴を捉える方法に注力しました」と、共著者であるワシントン大学ポール・G・アレン・コンピューターサイエンス・アンド・エンジニアリング学部および電気・コンピューター工学科の教授、リンダ・シャピロ氏は述べています。
「博士課程の学生であるエズギ・メルジャンは、構造特徴と呼ばれる新しい記述子を考案しました。これは、機械学習で使えるよう、こうしたパターンを簡潔に表現できるものです。」
誤診
ワシントン大学医学部による以前の研究では、毎年数百万人の女性が受ける乳房生検の解釈をめぐり、病理医の見解がしばしば一致しないことが明らかになりました。
この研究では、非浸潤性乳がんの一種である「非浸潤性乳管がん」の女性のおよそ6人に1人で、診断ミスが起きていました。さらに、乳がんリスクの上昇に関連する異常細胞が見られる状態である乳腺異型の女性の約半数で、生検の診断が誤っていました。
「乳房生検の医用画像には非常に複雑なデータが含まれており、その解釈は主観に左右されることがあります」と、共著者でカリフォルニア大学ロサンゼルス校の医学教授であり、以前はワシントン大学の内科学教授を務めていたジョアン・エルモア氏は述べています。
「乳腺異型と非浸潤性乳管がんを区別することは臨床上重要ですが、病理医にとって非常に難しい課題です。同じ症例を1年後に見せられた医師が、以前の診断に同意しないことさえあります。」
乳がん以外への応用
研究者らは、人工知能によって一貫してより正確な読影が可能になると考えました。このシステムでは大規模なデータセットを使うため、機械学習システムは、医師には見つけにくいことのある、がんに関連したパターンを認識できます。病理医が乳房生検を解釈する際に用いる手法を調べた後、研究チームはこうした課題に対応する画像解析法を開発しました。
研究チームは240件の乳房生検画像をコンピューターに入力し、非がん性病変や乳腺異型から非浸潤性乳管がん、浸潤性乳がんまで、複数の種類の乳房病変に関連するパターンを認識するよう学習させました。3人の専門病理医の合意によって、正しい診断を決定しました。
システムを検証するため、研究者らはその判定を、同じ症例を解釈した米国の現役病理医87人による独立した診断と比較しました。このアルゴリズムは、がんと非がんを区別する点で、人間の医師とほぼ同等の成績を示しました。
一方、非浸潤性乳管がんと乳腺異型の鑑別では医師を上回り、浸潤前の乳がんの生検を約89%の確率で正しく診断しました。病理医の正診率は70%でした。
「この結果は非常に有望です」とエルモア氏は述べています。「米国の現役病理医による乳腺異型と非浸潤性乳管がんの診断精度は低く、コンピューターを用いた自動診断手法には大きな期待が持てます。」
研究者らは現在、このシステムに皮膚がんを診断させるための学習に取り組んでいます。
メルジャン氏は、この論文の筆頭著者です。同論文はJAMA Network Openに掲載されています。その他の著者は、ワシントン大学、サザン・オハイオ・パソロジー・コンサルタンツ、バーモント大学に所属しています。この研究は米国国立衛生研究所の助成を受けました。
