抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
前立腺癌(PCa)は世界中で3番目に一般的に診断される癌であり,その診断は画像を含む多くの医学的検査を必要とする。超音波は,ベッドサイドでのリアルタイムアベイラビリティにより,前立腺イメージングのための実用的で費用対効果の高い方法を提供する。今日,ニューラルネットワークによる機械学習(ML)を含む様々な人工知能(AI)モデルが,正確な診断を行うために開発されている。PCa診断において,MLの多くの開発モデルがあり,超音波画像を用いたモデルアルゴリズムは良い精度を示した。本研究は,超音波画像を用いた前立腺癌診断におけるニューラルネットワーク機械学習モデルの精度を分析することを目的とする。プロトコルはPROSPERO登録番号CRD42021277309で登録された。3人のレビュー者は5つのオンラインデータベース(MEDLINE,EBSCO,Proquest,Sciencedirect,Scopus)における文献検索を独立して行う。著者らは,著者らの包含と除外基準を満たす合計132の標題と抽象をスクリーニングした。ニューラルネットワーク機械学習モデルを用い,標準診断として前立腺生検を用い,英語で発表された論文を含めた。非関連研究とレビュー論文を除外した。スクリーニング後,本研究に関連する6つの論文を見出した。バイアス解析のリスクをQUADAS-2ツールを用いて実行した。6つの論文のうち,4つの論文が人工ニューラルネットワーク(ANN)を使用して,1つの論文がReカレントニューラルネットワーク(RNN)を使用して,1つの論文が深い学習(DL)を使用した。すべての論文は,0.76~0.98のROC曲線を有する前立腺癌の診断における超音波の陽性結果を示唆する。AIのモデル,経直腸超音波検査のモードとタイプ,誤診等級づけ,およびPSAレベルを含む,いくつかの因子がAI精度に影響を及ぼす。限られたおよび低い中程度の品質証拠しか存在しなかったが,著者らは包括的に優勢な所見を分析するように管理した。結論として,ニューラルネットワークモデルによる機械学習は,感度/特異性の70%以上とROC-AUC値の0.5以上の比較的高精度で,さらなる研究のための即時情報を提供することができる前立腺癌診断における潜在的技術である。画像ベースの機械学習モデルは,前立腺生検を行うかどうかを決定する医師にとって有用である。【JST・京大機械翻訳】
