卵巣がんの病理組織学における人工知能: 系統的レビュー

Aug 07, 2023

npj Precision Oncology volume 7、記事番号: 83 (2023) この記事を引用

メトリクスの詳細

この研究は、組織病理学データを使用した卵巣がんの診断または予後のために人工知能 (AI) を使用して、公表された研究の質を評価します。 PubMed、Scopus、Web of Science、Cochrane CENTRAL、WHO-ICTRP の体系的な検索が 2023 年 5 月 19 日まで実施されました。対象基準では、ヒト卵巣がんの組織病理画像における予後または診断の推論に AI が使用されることが求められました。 バイアスのリスクは PROBAST を使用して評価されました。 各モデルに関する情報が表にまとめられ、概要統計が報告されました。 この研究はPROSPERO (CRD42022334730) に登録され、PRISMA 2020報告ガイドラインに従いました。 検索により 1,573 件のレコードが特定され、そのうち 45 件が含める資格がありました。 これらの研究には、37 の診断モデル、22 の予後モデル、および 21 のその他の診断に関連するモデルを含む、80 の対象モデルが含まれていました。 一般的なタスクには、治療反応予測 (11/80)、悪性度分類 (10/80)、染色定量化 (9/80)、および組織学的サブタイピング (7/80) が含まれていました。 モデルは、1 ～ 776 人の卵巣がん患者からの 1 ～ 1375 枚の病理組織スライドを使用して開発されました。 すべての研究でバイアスの高いリスクまたは不明確なリスクが見つかりましたが、そのほとんどは参加者の募集に関する分析が限られていることと報告が不完全であることが原因でした。 卵巣がんの診断または予後の目的で病理組織画像に AI を適用する研究は限られており、どのモデルも現実世界に実装できるかどうかは実証されていません。 臨床翻訳を加速するための重要な側面には、データの出所とモデル化アプローチの透明性のある包括的なレポート、および相互検証と外部検証を使用した定量的評価の改善が含まれます。 この研究は工学および物理科学研究評議会から資金提供を受けました。

卵巣がんは、世界中の女性で 8 番目に多い悪性腫瘍です1。 この病気は、スクリーニングが効果的ではなく 2 、更年期障害によって引き起こされるものと同様の非特異的な症状 3 があるため、検出と診断が難しいことで知られています。 卵巣、卵管、腹膜の原発性悪性腫瘍を含むこの疾患は、多くの場合、診断時に腹部内で広がり始めています（FIGO4 ステージ 3）。 この典型的な診断の後期段階により、卵巣がんは特に致命的な疾患となっており、毎年 314,000 人の新規症例が診断され、世界中で年間 207,000 人が死亡していることになります1。

ほとんどの卵巣癌は癌腫 (上皮由来の癌) であり、主に 5 つの組織学的サブタイプ (高悪性度漿液性、低悪性度漿液性、明細胞、子宮内膜、および粘液性) に分類されます。 非上皮性卵巣がんはそれほど一般的ではありませんが、生殖細胞腫瘍、性索間質腫瘍、間葉系腫瘍などがあります。 卵巣がんのサブタイプは形態学的にも予後的にも異なり、さまざまな治療選択肢があります5。 高悪性度漿液性癌は卵巣癌の中で最も一般的な形態であり、全症例の約 70% を占めます6。

細胞レベルでの組織標本の検査である組織病理学は、卵巣がん診断のゴールドスタンダードです。 病理学者は通常、ヘマトキシリン・エオシン（H&E）で染色された組織を解釈しますが、解釈は主観的で時間のかかるプロセスであり、一部の作業では観察者間でのばらつきが大きい7、8、9。 困難な症例の評価において、一般病理学者は、サブスペシャリティの婦人科病理学の専門家に支援を求めたり、免疫組織化学 (IHC) などの補助検査を使用したりする場合があります。 紹介と補助検査は、診断プロセスの正確性にとって不可欠ですが、その代償として、診断プロセスに時間がかかり、より高価になります。 世界中で、病理医の需要が供給をはるかに上回っており、国ごとに病理医の数に大きな差があり10、供給が良好な国でも依然として需要を満たすことができていない11。