PET/CT画像における深層学習を用いた肺結節悪性度予測：既存モデルと専門家との比較
解説対象論文: Deep learning-based malignancy probability estimation of pulmonary nodules in PET/CT imaging
European Radiology｜被引用数: 0（2026年7月21日時点）
肺結節は、CTスキャンなどで偶発的に発見されることが多く、その多くは良性ですが、中には肺がんの初期症状である悪性結節も含まれます。悪性結節を早期に発見し、適切な治療へと導くことは、対象者の予後を大きく左右します。しかし、良性結節の不要な検査や治療を避けることも重要です。本研究は、[18F]FDG-PET/CT画像のみを用いて肺結節の悪性度を予測する深層学習モデル「AITO-PETCT-MP」を開発し、既存の診断モデルであるヘルダーモデルや専門家による評価と比較しました。この新しいAIモデルが、肺結節の診断においてどのような可能性を秘めているのか、詳しく見ていきましょう。
はじめに：肺結節診断の現状とAIへの期待
どうも、Beyond the Pixelです。肺がんは世界的に主要な死亡原因の一つであり、早期発見が生存率の向上に不可欠です。近年、肺がん検診の普及や偶発的なCTスキャンにより、肺結節の発見数が増加しています。これらの結節の多くは良性であるため、不必要な侵襲的処置を避けつつ、悪性結節を正確に識別する診断戦略が求められています。現在の英国胸部学会（BTS）のガイドラインでは、疑わしい肺結節の評価に[18F]FDG-PET/CT画像診断が推奨されており、その後ヘルダーモデルを用いたリスク層別化が行われます。しかし、このヘルダーモデルは限られた画像特徴に基づいているため、診断精度に限界がある可能性が指摘されていました。このような背景から、深層学習（DL）を用いたモデルが、CT画像における結節のリスク層別化において、既存モデルや専門家による評価を上回る診断精度を示す例が増えています。本研究は、[18F]FDG-PET/CT画像データのみに基づいて、不確定な肺結節の悪性度を推定する深層学習モデル「AITO-PETCT-MP」（AI for Thoracic Oncology: PET/CT Malignancy Probability）を開発しました。このモデルの目標は、既存のヘルダーモデルや専門家による評価と比較して、その診断性能を検証することです。これにより、画像診断におけるAIの新たな役割を探り、将来の臨床実践への貢献を目指しています。
研究方法：AIモデルの開発と評価
本研究は、オランダのラドバウド大学医療センター（RUMC）で行われた単一施設の後ろ向き研究です。533個の不確定な肺結節（うち268個が悪性）が436名の対象者から収集されました。結節の平均直径は18.4 mmでした。悪性度の判定基準は、病理組織学的確認、または2年以上のオランダがん登録（NKR）による良性経過観察でした。データ収集は、主に肺生検記録、電子健康記録（EHR）のクエリ、自動結節検出の3つのアプローチを組み合わせて行われました。これにより、高リスク結節から良性結節までバランスの取れたコホートが構築されました。
また、収集された肺結節の特性は、生検コホート、EHRクエリコホート、自動検出コホート、および開発セットとテストセットに分けて詳細に示されています。
AIモデルAITO-PETCT-MPは、[18F]FDG-PET/CT画像（CTと[18F]FDG-PET画像の2チャンネルで構成）を用いて開発されました。モデルのアーキテクチャには、ランダムに初期化された3D-ResNet18が使用され、開発セットで5分割交差検証により設計とトレーニングが行われました。最終的なAITO-PETCT-MPは、5つの交差検証モデルのアンサンブル（複数のモデルの結果を組み合わせることで精度を高める手法）として構成され、悪性度確率を出力するためにPlattスケーリングが適用されました。モデルの診断性能は、ヘルダーモデルおよび7名の専門家（6名の核医学専門家と1名の胸部放射線専門家）による評価と比較されました。専門家による評価は、161個の結節（80個が悪性）からなるテストセットを用いた読影研究として実施されました。専門家には、[18F]FDG-PET/CT画像、以前のCT画像、および限定的な臨床情報（対象者の年齢、喫煙状況、がん既往歴）が提供され、悪性度スコア（0-100%）とBTSガイドラインに沿ったフォローアップ推奨が求められました。ヘルダーモデルのパラメータは、がんの状態について盲検化された専門学生によって手動で抽出されました。主要な評価指標としては、受信者動作特性（ROC）曲線下面積（AUC）が用いられました。非劣性試験では、AITO-PETCT-MPがヘルダーモデルに対して0.05のAUCマージンで非劣性であるかどうかが評価されました。
研究結果：AIモデルの診断性能と臨床的示唆
本研究の結果、AITO-PETCT-MPはテストセットにおいてAUC 0.78（95%信頼区間: 0.70-0.85）を達成しました。これに対し、ヘルダーモデルのAUCは0.73（0.65-0.80）でした。AITO-PETCT-MPは、ヘルダーモデルに対して統計的に非劣性であることが示されました（p=0.005）。平均的な専門家による評価はAUC 0.80（0.75-0.85）であり、AITO-PETCT-MPの性能は、この専門家の性能範囲内にあることが確認されました。
個々の専門家のAUCは0.74から0.87と幅があり、AIモデルの性能が熟練した専門家と同等レベルであったことを示唆しています。
BTSガイドラインに基づくフォローアップ推奨に結節を層別化すると、ヘルダーモデルとAITO-PETCT-MPおよび平均的な専門家の間で、対象者管理の推奨に違いが見られました。ヘルダーモデルは、より多くの良性結節を直接治療の可能性のために紹介しました（81個中26個）が、AITO-PETCT-MPと平均的な専門家はそれぞれ3個のみでした。一方で、AITO-PETCT-MPと平均的な専門家は、ヘルダーモデルと比較して、より多くの悪性結節を直接治療ではなくCT監視に割り当てました（それぞれ80個中15個、18個に対してヘルダーモデルは0個）。
この結果は、ヘルダーモデルが良性症例の過剰治療のリスクが高いのに対し、AITO-PETCT-MPと専門家は悪性症例の検出遅延リスクが高い可能性を示唆しています。
さらに、AIモデルを「セカンドリーダー」として活用するシミュレーションも行われました。このシミュレーションでは、単独の専門家による評価と比較して、AIを組み合わせることでAUCがわずかに増加する傾向が示されましたが、統計的に有意な差ではありませんでした。しかし、専門家間の評価の一貫性（interobserver variability）は低下しました（単独評価時のAUC範囲0.74–0.87に対し、セカンドリーダーとしてのAIと組み合わせた場合は0.78–0.87）。
個々の専門家とセカンドリーダー（専門家またはAITO-PETCT-MP）としての識別性能は、AUC（平均±標準偏差）とMRMC比較の結果として示されています。
様々な結節の症例例を提示することで、ヘルダーモデル、AITO-PETCT-MP、および専門家の多数決によるフォローアップ推奨の合意点と相違点が強調されています。
この結果は、AIが専門家の診断支援として有用である可能性を示唆しています。
考察と今後の展望：AIの臨床導入に向けた課題
AITO-PETCT-MPは、画像データのみを使用するにもかかわらず、ガイドラインで推奨されているヘルダーモデルに非劣性であり、7名の専門家の性能範囲内で診断性能を示しました。専門家は限定的な臨床情報と以前の画像にもアクセスできたにも関わらず、AIモデルが同等の性能を発揮したことは注目に値します。ヘルダーモデルと専門家の間でフォローアップ推奨に違いが見られたことは、ヘルダーモデルが発表された2005年以降のPET/CT技術の進歩や、偶発的に発見される結節数の増加といった臨床現場の変化が影響している可能性があります。現代の専門家は、過剰治療を避けるためにCT監視を推奨する傾向が強まっているのかもしれません。このことは、変化する臨床設定において、既存モデルの継続的な評価と、AIのような新しいツールの必要性を浮き彫りにしています。
本研究の貢献は、AIモデルを臨床的に検証されたヘルダーモデルおよび熟練した専門家と比較した点にあります。AITO-PETCT-MPが画像データのみを必要とすることから、既存のワークフローへの統合が容易であると考えられます。また、本モデルの推論機能は研究目的で公開されており、将来の研究におけるベンチマークとして、またヘルダーモデルの代替として独立した検証を促進することが期待されます。しかし、本研究にはいくつかの限界もあります。まず、単一施設の後ろ向きデータセットに基づいているため、異なる地域や臨床設定でのさらなる検証が必要です。また、不確定な肺結節の代表的なデータセットを収集することは困難であり、収集方法の違い（生検登録、EHRクエリ、自動検出）による潜在的なバイアスが存在する可能性があります。良性症例の確認にはオランダがん登録（NKR）を使用しましたが、他の悪性腫瘍からの肺転移は一貫して登録されていない可能性があり、良性データセットに悪性転移が混入するリスクも低いながら存在します。今後の展望としては、様々な種類の施設から、より代表的な連続的、多施設データセットを収集し、アルゴリズムを検証することが重要です。AIをセカンドリーダーとして活用する実験では、性能向上の傾向が見られましたが、統計的有意性は示されませんでした。これは、より大規模なコホートで評価することで、優位性を確立できる可能性があります。将来的には、専門家がAIモデルの予測にアクセスできる環境下での評価も検討されるべきでしょう。
まとめ
本研究は、[18F]FDG-PET/CT画像のみに基づいた深層学習モデルAITO-PETCT-MPが、ガイドライン推奨のヘルダーモデルに対して非劣性であり、7名の専門家の診断性能範囲内であることを示しました。ヘルダーモデルと専門家・AITO-PETCT-MPとの間で、BTSガイドラインに基づくフォローアップ推奨に違いがあることも明らかになり、ヘルダーモデルの発表以降、臨床実践に変化が生じている可能性が示唆されます。AITO-PETCT-MPは、肺結節の悪性度予測において、将来的に臨床現場での有用なツールとなる可能性を秘めています。
用語集
- PET/CT: 陽電子放出断層撮影（PET）とCTスキャンを組み合わせた画像診断法で、代謝活動と形態情報を同時に得て、がんなどの病変を検出する。
- 深層学習 (DL): 複数の層を持つニューラルネットワークを用いた機械学習の一種で、大量のデータから複雑なパターンを自動的に学習する技術。
- 肺結節: 肺にできる小さな影で、多くは良性ですが、がんの初期症状である悪性の場合もある。
- ヘルダーモデル: [18F]FDG-PET画像など、限られた臨床的および画像的な特徴を用いて肺結節の悪性度リスクを評価する、確立された予測モデル。
- AUC (ROC曲線下面積): 受信者動作特性（ROC）曲線の下の面積で、診断モデルの識別性能を評価する指標。値が高いほど、診断能力が高いことを示す。
- ROC曲線: 診断モデルの様々なカットオフ値における感度と特異度の関係をグラフで視覚化したもの。トレードオフを示す。
- BTSガイドライン: 英国胸部学会（British Thoracic Society）が発行する、肺結節の評価と管理に関する推奨事項をまとめた臨床ガイドライン。
- SUVmax (最大標準化摂取量): PET検査において、病変への[18F]FDG（放射性薬剤）の集積度を示す指標で、その病変の代謝活性の高さを示す。
- 非劣性: 新しい治療法や診断法が、既存の標準的なものと比べて効果や性能が劣っていないことを統計的に示す概念。
- CT監視: 肺結節のサイズや性状の変化を評価するため、定期的にCT検査を行い、経過を観察すること。
Leave a Reply