どうも、Beyond the Pixelです。日常の診療で、肺がん検診以外の目的で実施されたCTスキャンで偶然発見される肺結節（偶発性肺結節）は少なくありません。これらの結節が悪性か良性かを正確に推定することは、対象者にとって適切な経過観察や介入の判断を導く上で非常に重要です。これまで、その悪性度を推定するための一般的なモデルとして、画像特徴と対象者の特徴を組み合わせる「Brockモデル」が広く用いられてきました。しかし、このモデルは事前に定義された変数に依存するため、多様な臨床現場では限界があることも指摘されています。近年、人工知能（AI）、特に深層学習（DL）モデルがCTスキャン上の肺結節の悪性度推定において高い性能を示し、その意思決定を支援する可能性が注目されています。
Figure 1. Fig. 1 Nodule selection from data transfer to the final study dataset for (A) centre 1, (B) centre 2, and (C) centre 3. * A nodule dataset was previously annotated according to the study protocol [11] and extended to include nodules measuring 5–30 mm. A subset of this dataset was reused in the current study解説: 本図は、各センターからのデータ転送から最終的な研究データセットへの結節選択プロセスを示しています。センター1、センター2、センター3それぞれの段階的な組み入れと除外基準がフローチャート形式で示されており、最終的な研究プロトコルに至るまでの対象結節の絞り込みを視覚的に説明しています。
Table 1. Table 1 Baseline characteristics for the full dataset and stratified by malignancy status, reported at the nodule level解説: 本表は、結節レベルで報告された、データセット全体のベースライン特性および悪性度別に層別化されたベースライン特性を示しています。対象者の年齢、性別、最大直径、結節タイプ、結節数、肺葉の位置といった情報が悪性か良性かによってどのように異なるかが示されています。
Table 2. Table 2 Baseline characteristics stratified by centre, reported at the nodule level解説: 本表は、結節レベルで報告された、センター別に層別化されたベースライン特性を示しています。センター1、センター2、センター3における対象者の年齢、性別、最大直径、結節タイプ、結節数、肺葉の位置といった情報が各センター間でどのように異なるかが示されています。Table 3. Table 3 CT characteristics, reported at the scan level解説: 本表は、スキャンレベルで報告されたCT特性を示しています。センター1、センター2、センター3における、スタディプロトコル、造影剤使用、マトリックスサイズ、スライス厚、CT装置メーカーなどのCT画像取得条件の特性が示されており、センター間で有意な違いがあることがわかります。Table 4. Table 4 Maximum nodule size stratified by centre and malignancy status解説: 本表は、センターおよび悪性度別に層別化された最大結節サイズを示しています。全センター合計、および各センターにおける良性結節と悪性結節の最大直径の中央値と四分位範囲が示されており、センター1では悪性結節が良性結節よりも有意に大きいことが示されています。
Figure 3. Fig. 3 ROC curves with 95% confidence bands and AUCs with 95% confidence intervals for the malignancy risk models. p-values correspond to comparisons with the Brock model. The comparison between the deep learning models (not shown) resulted in a p-value of 0.51解説: 本図は、多施設データセット（悪性結節89個、良性結節180個）における、悪性度リスクモデルのROC曲線とその95%信頼帯、およびAUCと95%信頼区間を示しています。p値はBrockモデルとの比較に対応しています。
Figure 4. Fig. 4 ROC curves and AUCs with 95% confidence intervals stratified by centre. p-values correspond to comparisons with the Brock model. The comparison between the deep learning models (not shown) resulted in a p-value of 0.68 for centre 1, 0.91 for centre 2, and 0.70 for centre 3解説: 本図は、センターごとに層別化されたROC曲線とAUCおよび95%信頼区間を示しています。各センター（センター1、センター2、センター3）での深層学習モデル（DL1、DL2）とBrockモデルの性能を比較しています。p値はBrockモデルとの比較に対応しています。Table 5. Table 5 Thresholds and specificities for all models evaluated at a target sensitivity equal to or higher than the sensitivity achieved by the Brock model at its 10% risk threshold, for the multicentre dataset and stratified by centre解説: 本表は、Brockモデルの10%リスク閾値で達成された感度と同等またはそれ以上の目標感度で評価された、全モデルの閾値と特異度を示しています。多施設データセット全体およびセンター別に、DLモデルがBrockモデルと比較してどの程度の特異度を達成したかが示されています。
Figure 2. Fig. 2 Density distributions of nodule sizes and correlation between nodule size and model risk scores for the multicentre dataset and per centres. The density curves represent normalised distributions (area = 1) and do not reflect sample sizes. The Spearman’s rho for all correlation curves is p < 0.01解説: 本図は、多施設データセット全体および各センターにおける、結節サイズ（直径）の分布と、結節サイズとモデルのリスクスコア間の相関関係を示しています。上段は良性結節（青）と悪性結節（赤）のサイズ分布密度を、下段はBrockモデル、DL1、DL2それぞれのリスクスコアと結節サイズの散布図およびSpearmanの順位相関係数を示しています。
Leave a Reply