前立腺がんMRI診断におけるAIのリスク分類：PI-RADSとの比較と生検回避への貢献
解説対象論文: Multicentre evaluation of artificial intelligence risk classification for detection of clinically significant prostate cancer on biparametric MRI
European Radiology｜被引用数: 0（2026年9月28日時点）
本日は「Beyond the Pixel」より、前立腺がんの診断において、最新のAIシステムがどのようにその精度を高め、不必要な生検を減らす可能性を秘めているのかを探る多施設研究の成果をご紹介します。特に、診断が難しいPI-RADS 3の病変に対するAIの貢献に注目しながら、AIが専門家をどのようにサポートできるかを深掘りします。
はじめに：前立腺がん診断の課題とAIへの期待
どうも、Beyond the Pixelです。前立腺がんは、早期発見と適切な治療が非常に重要ですが、不必要な治療を避けることもまた重要です。特に臨床的に意義のある前立腺がん（csPCa）の発見は、予後を大きく左右します。近年、マルチパラメトリックMRI（mpMRI）は、疑わしい病変の発見、局在特定、リスク分類において中心的な役割を担うようになりました。これにより、不要な生検の減少や、より的を絞った生検が可能になっています。mpMRIの読影を標準化するために「PI-RADS」という5段階のリスク分類システムが導入され、広く活用されています。しかし、PI-RADSスコアリングには、読影者間でのばらつき、特に一般的な専門家による読影や、コミュニティ設定での不一致が課題として挙げられます。特にPI-RADS 3（診断が確定しない、中間のリスク）の解釈は一貫性に欠け、生検の推奨も分かれることがあります。こうした課題に対し、コンピュータ支援検出および診断（CADe/x）ツールとしてAIが注目されています。AIはセカンドオピニオンとして期待されていますが、既存の研究では対象者レベルの診断精度や、PI-RADSの集計しきい値に焦点が当てられることが多く、AIが専門家と同じ病変を特定できるか、または診断の確定しない病変の管理を改善できるかについては、十分に検証されていませんでした。この背景を受け、本研究では、市販のAIリスク分類システムと専門家が割り当てたPI-RADSを比較し、対象者レベルおよび病変レベルでの臨床的に意義のある前立腺がんの検出能力を評価することを目的としています。特に、AIを用いた生検トリアージ（優先順位付け）の支援、PI-RADS 3病変への特化したアプローチに焦点を当てています。
研究方法：AIとPI-RADSの診断精度を多施設で比較
本研究は、2014年から2025年の間に前立腺MRIと病理組織学的検証を受けた対象者を含んだ、遡及的、多施設、多ベンダーによる診断精度研究です。主要な評価項目は、市販のAIリスク分類システム「DeepHealth Prostate Suite」による3段階のリスクカテゴリと、専門家が割り当てたPI-RADSスコアでした。診断のゴールデンスタンダード（参照標準）としては、国際泌尿器病理学会（ISUP）のグレードグループ2以上（臨床的に意義のある前立腺がん）が用いられました。対象者レベルでのAIとPI-RADSの感度の非劣性試験、ROC（受信者動作特性）解析、そして病変レベルでのFROC（自由応答型受信者動作特性）解析が行われました。さらに、生検回避戦略のモデリングや、PI-RADS 3病変におけるAIベースのリスク層別化といったワークフロー支援分析も実施されました。本研究には、ドイツ、オランダ、米国の3つの施設からデータが収集され、多様なベンダーのMRIスキャナーが使用されたため、結果の一般化可能性が支持されています。対象者の人口統計学的特性は
に示されており、合計787名の男性が評価され、そのうち380名（48.3%）が臨床的に意義のある前立腺がんと診断されました。
研究結果：対象者レベルではAIがPI-RADSに非劣性、病変レベルでは異なる傾向
本研究の主要な結果として、AIは対象者レベルの感度においてPI-RADSに対して非劣性であり、数値的にも高い感度を示しました（AI 97.6% vs PI-RADS 92.6%、p < 0.001）。これは、臨床的に意義のある前立腺がんを持つ対象者の検出において、AIが専門家と同等以上の能力を持つ可能性を示唆しています。また、対象者レベルのROC曲線下面積（AUC）もAIの方がPI-RADSより統計的に有意に高値でした（AI 0.80 vs PI-RADS 0.77、差 0.032、95%信頼区間 0.001–0.064、p = 0.043）。
は対象者レベルでのROC曲線を示しており、AIがより高い全体的な識別能を持つことを視覚的に裏付けています。
しかし、病変レベルでの感度評価では、AIはPI-RADSに非劣性とはならず、むしろ低かったことが示されました（AI 78.8% vs PI-RADS 88.8%、p = 0.976）。これは、個々の病変の正確な検出においては、AIのパフォーマンスが専門家と同等ではないことを意味します。
は病変レベルのFROC曲線を示しており、AIとPI-RADSが異なる検出パターンを優先することを示唆しています。特定の偽陽性率ではAIがPI-RADSを上回る感度を示す一方、中程度の偽陽性率ではPI-RADSが優れていました。
診断精度の詳細な結果は
にまとめられています。例えば、AIのリスクカテゴリが「中」以上の場合、対象者レベルで97.6%の感度と19.7%の特異度を示しました。一方、PI-RADSが4以上の場合、感度は92.6%、特異度は48.4%でした。より高いしきい値では特異度は向上しますが、感度は低下する傾向が見られました。
ワークフロー支援の分析では、AIとPI-RADSの組み合わせが生検回避に寄与する可能性が示されました。
は様々な戦略における生検回避率と感度を示しています。PI-RADS 4以上単独では28.6%の生検を回避し、92.6%の感度を維持しました。「PI-RADS 4以上かつAIリスクカテゴリ中以上」というAND戦略では32.7%の生検回避が可能でしたが、感度は90.8%に低下しました。一方で、「PI-RADS 4以上または（PI-RADS 3かつAIリスクカテゴリ中以上）」というPI-RADS 3病変にAIを限定する戦略では、生検の18.9%を回避しつつ、98.4%という高い感度を維持できることが示されました。この結果は、特にPI-RADS 3のような判断が難しいケースにおいて、AIが専門家の意思決定を支援し、不必要な生検を減らす上で有効であることを示唆しています。
PI-RADS 3病変のトリアージに焦点を当てた分析では、PI-RADS 3と評価された145病変のうち、29病変（20.0%）が臨床的に意義のある前立腺がんでした。AIのリスクカテゴリが「中」以上とすることで、PI-RADS 3病変の79.3%（115/145）が陽性と分類され、臨床的に意義のある前立腺がんのPI-RADS 3病変の93.1%（27/29）を正しくリスクアップ分類しました。また、良性のPI-RADS 3病変のうち24.1%（28/116）はAIにより「低リスク」と分類されました。
連続的なAIリスクスコアと腫瘍の病理学的グレードグループ（GG）との関連性についても調査されました。
に示すように、AIリスクスコアはGGとの間に中程度の正の相関関係を示し、腫瘍の悪性度が高いほどAIリスクスコアも高くなる傾向がありました。この関連性は生物学的に妥当であり、継続的なAI出力がリスク適応型パスウェイにおいてさらに評価されるべきであることを示唆しています。
考察と今後の展望：AIは専門家を補完する「意思決定支援ツール」
本研究は、前立腺MRIにおける市販のAIシステムが、日常の臨床現場でどのように機能するかを評価した、国際的な多施設研究です。AIのリスク分類は、対象者レベルの感度において専門家によるPI-RADSスコアリングに非劣性であり、全体的な識別能もわずかに高いことが示されました。このことは、AIが臨床的に意義のある前立腺がんを持つ対象者を見落とさない上で有用であることを意味します。
一方で、病変レベルでの感度については、AIは専門家によるPI-RADSに劣る結果となり、事前に定義された非劣性マージンを満たしませんでした。これは、複数の病変がある場合など、個々の病変を詳細に評価する際には、AI単独に依存すべきではないことを示しています。したがって、AIリスク分類は、包括的な腫瘍評価の専門家による責任を代替するものではなく、生検トリアージのための意思決定支援ツールとして最も適していると考えられます。
特にPI-RADS 3のような診断が難しいケースにおいて、AIを組み込んだ戦略は、高い感度を維持しつつ生検数を意味のある形で削減できる可能性が示されました。これは、AIがすべての症例に一律に適用されるのではなく、疑わしい症例に対する選択的な使用が有効であることを支持します。また、AIの連続的なリスクスコアが腫瘍のグレードと関連していることも明らかになり、MRIが長期的なフォローアップやリスク適応型管理に活用される場合に、AIがさらに役立つ可能性を示しています。
本研究の強みは、そのリアルワールドな特性にあります。市販のソフトウェアが、多様な臨床環境と異質なコホートを含む国際的な多施設で評価されたことは、AIが日常の臨床診療における試験と実装の準備が整っていることを示しています。この多施設、多読影者デザインを考慮すると、本研究の知見は一般化可能であり、AIは専門家の解釈を置き換えるものではなく、それを補完する意思決定支援ツールとして有用であると結論付けられます。
本研究の限界としては、遡及的デザインであることや、潜在的な選択バイアスの存在が挙げられます。また、MRIベンダー、プロトコル、読影者、生検プロトコルが多様であることも、特に病変レベルの評価に影響を与える可能性があります。生検は参照標準として用いられましたが、サンプリングエラーや病変レベルでの正確なゴールデンスタンダードの欠如のリスクがあります。さらに、最高のグレードの病変に焦点を当てるアプローチは、多焦点性の不均一性を曖昧にする可能性があります。今後の研究では、これらの限界を克服し、AIのさらなる臨床的有用性を検証していくことが期待されます。
用語集
- csPCa: Clinically significant prostate cancerの略で、臨床的に意義のある前立腺がんを指します。進行リスクが高く、治療が必要とされるがんを意味します。
- PI-RADS: Prostate Imaging Reporting and Data Systemの略で、前立腺MRIの読影を標準化するための5段階のリスク分類システムです。数値が高いほど悪性である可能性が高いことを示します。
- ISUP Grade Group: International Society of Urological Pathology Grade Groupの略で、前立腺がんの悪性度を分類する病理学的尺度です。グレードグループ2以上が一般的に臨床的に意義のある前立腺がん（csPCa）と定義されます。
- CADe/x: Computer-Aided Detection and Diagnosisの略で、コンピュータが医療画像の異常を検出・診断するのを支援する技術やツールを指します。
- 非劣性試験: ある治療法や診断法が、既存の標準的なもの（ここではPI-RADS）と比べて、効果や性能が著しく劣っていないことを統計的に証明するための試験です。
- ROC曲線: Receiver Operating Characteristic curveの略で、診断テストの性能を評価するためのグラフです。感度（真陽性率）と特異度（偽陽性率の補数）の関係を示し、曲線の面積（AUC）が大きいほど性能が良いことを意味します。
- FROC曲線: Free-Response Receiver Operating Characteristic curveの略で、複数の病変を検出するタスクにおいて、検出された病変の感度と偽陽性率（対象者あたりの偽陽性数）の関係を示すグラフです。
- 感度: 病気を持っている対象者のうち、テストが正しく病気と判定した割合です。見逃しの少なさを示します。
- 特異度: 病気を持っていない対象者のうち、テストが正しく病気ではないと判定した割合です。誤った陽性判定の少なさを示します。
- 陽性的中率（PPV）: テストで陽性と判定された対象者のうち、実際に病気を持っている割合です。
- 陰性的中率（NPV）: テストで陰性と判定された対象者のうち、実際に病気を持っていない割合です。
- 生検トリアージ: 生検が必要な対象者の優先順位をつけたり、生検の実施可否を判断したりするプロセスです。AIがこの意思決定を支援する可能性が示唆されています。
コメントを残す