Diagnostic evaluation of early stage lung cancer using deep learning-based analysis of CT images

2022 Fiscal Year Research-status Report

• Project/Area Number: 20K09162
• Research Institution: Mie University
• Principal Investigator: 高尾 仁二 三重大学, 医学系研究科, 教授 (30263007)
• Co-Investigator(Kenkyū-buntansha): 中山 良平 立命館大学, 理工学部, 教授 (20402688) ; 鳥羽 修平 三重大学, 医学部附属病院, 助教 (20806111) ; 金田 真吏 三重大学, 医学部附属病院, 助教 (30793418) ; 内田 克典 三重大学, 医学部附属病院, 講師 (60362349) ; 久保岡 牧子 三重大学, 医学部附属病院, 助教 (60832524)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: AI / 早期肺腺癌 / CT / 機械学習 / 深層学習 / CNN / AIS / MIA

Outline of Annual Research Achievements

前年度の予備研究により、ＣＴの２Ｄ画像よりも３Ｄ画像データで学習した方が診断精度（特に、前癌病変(AAH)～早期肺癌（AIS)～微小浸潤肺腺癌癌（MIA)）が向上することが示唆されたため、本年度は、肺腺癌悪性度をCT画像より推定するAI画像補助診断プログラムにおいて、手術を施行された臨床病期IA1期（高解像度CTで充実径が10立方ｍｍ以下）肺癌76例を対象とし、３Dボリューム、CT濃度閾値分析などのCT画像分析による病理学的浸潤径の予測精度を評価した。

特に、経過観察可能と考えられる前癌病変～早期病変を診断精度よく鑑別することを目的として、病理診断は腺癌71例、扁平上皮癌5例で、stage 0; 28(AAH 3, AIS 25)例, stage IA1; 37 (うち、MIA 12, Lepidic 11) 例, stage IA2; 6例であり、今回の検討では、非浸潤病変(AAH+AIS) 28例と浸潤癌 (MIA以上）43例を判別する精度はAUC 0.81であった。

判別能の解析では、病理学的無気肺が誤診断（特に、AAHをoverdiagnosisする場合において）の要因になっており、これは体積のみでなく形状も含めた機械学習で精度改善が期待されたが、より悪性度の高いものでの診断には経時的変化の情報を加えることが必要ではないかと考えている。更なる診断精度向上に向けて、経時的変化の情報を加えた診断システムとすることが臨床的にも望まれるため、研究期間を延長申請した。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

CT画像から３次元での解析対象をDICOMデータとして抽出するプログラム開発に手間取り、多数データの解析が進まなかった。診断精度向上に向けて、２Dから３Dへ、更に経時的変化も加味して時間軸を加えた4次元での解析は必須と思われるので、機械学習プログラムへの変更に尽力する予定である。

Strategy for Future Research Activity

経時的変化も加味するために、時間軸を加えた4次元での学習データを作成中である。

Causes of Carryover

当初期待した結果が出ておらず、海外での発表、論文作成が行えず、予算を使用していない。更に、更なる診断精度向上に向けての経時的変化の情報を加えるための解析プログラムが必要であることが予測されたため、令和５年度まで延長した研究に用いる予定である。