文献

J-GLOBAL ID：202002257413706292   整理番号：20A2512156

深層学習ベースのコンピュータ支援診断システムは良性および悪性肺結節を鑑別する放射線科医による従来の二重読み取りを実行するか?【JST・京大機械翻訳】

Does a Deep Learning-Based Computer-Assisted Diagnosis System Outperform Conventional Double Reading by Radiologists in Distinguishing Benign and Malignant Lung Nodules?

著者 (8件)： Liu Zhou (Department of Radiology, National Cancer Center, National Clinical Research Center for Cancer, Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences, Peking Union Medical College, Shenzhen, China) ,  Li Li (Department of Radiology, National Cancer Center, National Clinical Research Center for Cancer, Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences, Peking Union Medical College, Shenzhen, China) ,  Li Tianran (Department of Radiology, National Cancer Center, National Clinical Research Center for Cancer, Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences, Peking Union Medical College, Shenzhen, China) ,  Luo Douqiang (Department of Radiology, National Cancer Center, National Clinical Research Center for Cancer, Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences, Peking Union Medical College, Shenzhen, China) ,  Luo Douqiang (Department of Radiology, National Cancer Center, National Clinical Research Center for Cancer, Cancer Hospital, Chinese Academy of Medical Sciences, Peking Union Medical College, Beijing, China) ,  Wang Xiaoliang (Department of Pathology, National Cancer Center, National Clinical Research Center for Cancer, Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences, Peking Union Medical College, Shenzhen, China) ,  Luo Dehong (Department of Radiology, National Cancer Center, National Clinical Research Center for Cancer, Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences, Peking Union Medical College, Shenzhen, China) ,  Luo Dehong (Department of Radiology, National Cancer Center, National Clinical Research Center for Cancer, Cancer Hospital, Chinese Academy of Medical Sciences, Peking Union Medical College, Beijing, China)
資料名： Frontiers in Oncology (Web)  (Frontiers in Oncology (Web))
巻： 10  ページ： 545862  発行年： 2020年 
JST資料番号： U7089A  ISSN： 2234-943X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:不確定肺結節の鑑別において,複数の研究は,外部検証を必要とする放射線科医による従来の二重読出よりも深層学習ベースのコンピュータ支援診断システム(DL-CADx)の優位性を示した。したがって,著者らの目的は,良性および悪性肺結節の鑑別における市販DL-CADxの性能を外部的に検証することであった。方法:この後ろ向き研究では,261の病理学的に確認された肺結節を有する233人の患者を登録した。二重読解を用いて,4スケール悪性スコアシステムを使用して各結節をレートし,悪性(25~50%),高い可能性(50~75%),および悪性(75~100%)として考慮し,議論を通して解決された不一致で,悪性(75~100%)と考察した。DL-CADxは,0から100%の範囲の悪性尤度で各結節を自動的に評価して,その後,それに応じて四分化した。クラス内相関係数(ICC)を用いて,DL-CADxと二重読出の間の悪性リスク評価における一致を評価し,ICC値は<0.5,0.5から0.75,0.75から0.9,および>0.9であり,それぞれ,不良,中等度,良好,および完全一致を示した。悪性腫瘍のカットオフ値として悪性尤度>50%,および金標準として病理学的結果,感度,特異性,および精度を,別々に二重読出およびDL-CADxについて計算した。【結果】261の結節の中で,247の結節は,94.7%の検出率でDL-CADxによって首尾よく検出された。悪性評価に関して,DL-CADxは,二重読出(ICC=0.555,95%CI0.424から0.655)と中等度の一致であった。DL-CADxは,良性結節として40の真の悪性結節として30の真の良性結節を,それぞれ79.2,45.5,および71.7%の感度,特異性,および精度を有する悪性結節として誤診した。対照的に,二重読出は,良性結節として誤診された16の真の悪性結節と,感度,特異性,および精度がそれぞれ91.7,52.7,および83.0%の悪性結節として26の真性良性結節で,より良い性能を達成した。結論:二重読出と比較して,DL-CADxは,悪性および良性結節を区別する際に,まだ劣った性能を示した。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 金 ,  不確実性 ,  *計算機診断 ,  相関係数 ,  分化 ,  鑑別診断 ,  リスク評価
準シソーラス用語： 悪性腫瘍 ,  尤度 ,  特異性 ,  検出率 ,  *肺結節 ,  *深層学習 ,  読出し , 【Automatic Indexing@JST】

著者キーワード (5件)： コンピュータ支援診断 ,  深層学習 ,  孤立性肺結節 ,  悪性腫瘍 ,  鑑別診断

分類 (3件)： 腫ようの診断  (GE03020J) ,  放射線を利用した診断  (GC04020K) ,  呼吸器の診断  (GI02000S)

引用文献 (26件)：

• BrayFFerlayJSoerjomataramISiegelRLTorreLAJemalA. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. (2018) 68:394-424. doi: 10.3322/caac.21492
• HowladerNNooneAKrapchoMMillerDBrestAYuM SEER Cancer Statistics Review, 1975-2016, National Cancer Institute. Bethesda, MD: National Cancer Institute (2019).
• The National Lung Screening Trial Research Team Reduced lung-cancer mortality with low-dose computed tomographic screening. N Engl J Med. (2011) 365:395-409.
• De KoningHVan Der AalstCTen HaafKOudkerkM. Effects of volume CT lung cancer screening: mortality results of the NELSON randomised-controlled population based trial. J Thorac Oncol. (2018) 13:S185. doi: 10.1016/j.jtho.2018.08.012
• GigerMLdoiKMacMahonHJMP. Image feature analysis and computer-aided diagnosis in digital radiography. 3. Automated detection of nodules in peripheral lung fields. Med Phys. (1988) 15:158-66. doi: 10.1118/1.596247

タイトルに関連する用語 (6件)： 深層学習 ,  コンピュータ支援診断システム ,  肺結節 ,  鑑別 ,  放射線科医 ,  読み取り