スタンドアロン型人工知能-乳がん検診の未来？

Stand-alone artificial intelligence - The future of breast cancer screening?

• Ioannis Sechopoulos
• Ritse M Mann

抄録

少なくとも20年以上前から、コンピュータはマンモグラフィの解釈に役割を果たしてきたが、パフォーマンスへの影響は期待に応えられていなかった。しかし、ここ5年ほどで、AI（人工知能）の一種である深層学習畳み込みニューラルネットワークの登場により、医用画像解析の分野は一変しました。このAIアルゴリズムは、従来のコンピュータ支援検出法に比べて格段に高い性能を持っているため、乳房画像を単独で解釈する可能性に改めて関心が集まっています。そのためには、まず、乳房放射線技師と比較したアルゴリズムの実際の能力を十分に理解する必要がある。初期の研究では、マンモグラムの解釈においてAIシステムと乳房放射線技師の間で同等の性能があることが指摘されていますが、これらの比較は、限られた濃縮されたデータセットの実験室で行われています。乳房放射線技師に匹敵する性能を持つAIアルゴリズムは、多くの異なる方法で使用することができますが、最も影響力があるのは、人間による解釈を必要としない通常のスクリーニングマンモグラムの事前選択（トリアージ）です。この提案された使用法を評価する初期の研究では、非常に有望な結果が示されており、結果として完全なスクリーニングプロセスの精度に影響を与えず、作業負荷を大幅に軽減することができました。これらの新しいアルゴリズムの単体での実際の性能と、さまざまな実装の可能性がスクリーニングプログラムに与える影響を評価するために、追加の研究、特に大規模なスクリーニングデータセットを用いたプロスペクティブな研究を行う必要があります。

Although computers have had a role in interpretation of mammograms for at least two decades, their impact on performance has not lived up to expectations. However, in the last five years, the field of medical image analysis has undergone a revolution due to the introduction of deep learning convolutional neural networks - a form of artificial intelligence (AI). Because of their considerably higher performance compared to conventional computer aided detection methods, these AI algorithms have resulted in renewed interest in their potential for interpreting breast images in stand-alone mode. For this, first the actual capability of the algorithms, compared to breast radiologists, needs to be well understood. Although early studies have pointed to the comparable performance between AI systems and breast radiologists in interpreting mammograms, these comparisons have been performed in laboratory conditions with limited, enriched datasets. AI algorithms with performance comparable to breast radiologists could be used in a number of different ways, the most impactful being pre-selection, or triaging, of normal screening mammograms that would not need human interpretation. Initial studies evaluating this proposed use have shown very promising results, with the resulting accuracy of the complete screening process not being affected, but with a significant reduction in workload. There is a need to perform additional studies, especially prospective ones, with large screening data sets, to both gauge the actual stand-alone performance of these new algorithms, and the impact of the different implementation possibilities on screening programs.

Copyright © 2019 The Author(s). Published by Elsevier Ltd.. All rights reserved.