頭頸部前癌および癌性病変の診断における人工知能の使用。システマティックレビュー

Use of artificial intelligence in diagnosis of head and neck precancerous and cancerous lesions: A systematic review.

• H Mahmood
• M Shaban
• B I Indave
• A R Santos-Silva
• N Rajpoot
• S A Khurram

抄録

このシステマティックレビューでは、ヒト組織スライドのWSI（whole slide image）を用いて、悪性の可能性のある（前癌性の）頭頸部病変や癌性の頭頸部病変の検出と悪性度分類に用いられている人工知能（AI）法の応用と診断精度について分析・解説しています。2009年10月から2020年4月までの間に、電子データベースMEDLINE（OVID経由）、Scopus、Web of Scienceを検索した。また、データベース固有の用語を用いて検索文字列を作成した。研究の選択は、PRISMAガイドラインに準拠した厳格な包含基準を用いて行った。バイアスのリスク評価は、QUADAS-2 ツールを用いて実施した。315 件の記録のうち、11 件が包含基準を満たしていた。口腔上皮異形成（n=1）、口腔粘膜下線維症（n=5）、口腔扁平上皮癌（n=4）および口腔咽頭扁平上皮癌（n=1）の特定の組織学的特徴の解析にAIベースの手法を用いた。10種類以上の分類およびセグメンテーション技術を含む、ヒューリスティック、教師あり・教師なし学習法の組み合わせが採用された。ほとんどの研究では、WSI内の小さなサブ画像で構成される単一中心のデータセット（40～270画像の範囲）を使用しており、精度は79～100％であった。このレビューでは、一部の口腔内の潜在的な悪性病変や悪性病変の診断補助として、教師付き機械学習法を適用する可能性を支持する初期のエビデンスを提供しているが、その他の頭頸部病理の診断にAIを使用したエビデンスは乏しい。全体的にエビデンスの質は低く、ほとんどの研究ではバイアスのリスクが高く、精度が過大評価されている可能性が高い。このレビューでは、今後の頭頸部研究における最先端のディープラーニング技術の開発の必要性が強調されている。

This systematic review analyses and describes the application and diagnostic accuracy of Artificial Intelligence (AI) methods used for detection and grading of potentially malignant (pre-cancerous) and cancerous head and neck lesions using whole slide images (WSI) of human tissue slides. Electronic databases MEDLINE via OVID, Scopus and Web of Science were searched between October 2009 - April 2020. Tailored search-strings were developed using database-specific terms. Studies were selected using a strict inclusion criterion following PRISMA Guidelines. Risk of bias assessment was conducted using a tailored QUADAS-2 tool. Out of 315 records, 11 fulfilled the inclusion criteria. AI-based methods were employed for analysis of specific histological features for oral epithelial dysplasia (n = 1), oral submucous fibrosis (n = 5), oral squamous cell carcinoma (n = 4) and oropharyngeal squamous cell carcinoma (n = 1). A combination of heuristics, supervised and unsupervised learning methods were employed, including more than 10 different classification and segmentation techniques. Most studies used uni-centric datasets (range 40-270 images) comprising small sub-images within WSI with accuracy between 79 and 100%. This review provides early evidence to support the potential application of supervised machine learning methods as a diagnostic aid for some oral potentially malignant and malignant lesions; however, there is a paucity of evidence using AI for diagnosis of other head and neck pathologies. Overall, the quality of evidence is low, with most studies showing a high risk of bias which is likely to have overestimated accuracy rates. This review highlights the need for development of state-of-the-art deep learning techniques in future head and neck research.

Copyright © 2020 Elsevier Ltd. All rights reserved.