内視鏡超音波を用いた粘液性嚢胞腫瘍と漿液性嚢胞腫瘍の鑑別に基づく深層学習

粘液性嚢胞腫瘍（MCN）と漿液性嚢胞腫瘍（SCN）は、孤立性膵嚢胞腫瘍（PCN）の大部分を占めています。本研究では、MCNとSCNを鑑別するためにResNet50を使用した畳み込みニューラルネットワーク（CNN）モデルを実装しました。トレーニングデータは、2つの異なる病院から59人のMCN患者と49人のSCN患者から遡及的に収集されました。データ拡張を用いてトレーニングデータセットのサイズと質を向上させました。選択した層をトレーニングしながら、転移学習からの事前学習モデルを採用することでファインチューニングのトレーニングアプローチが利用されました。ネットワークのテストは、内視鏡超音波（EUS）画像のサイズと位置を変えてネットワークの鑑別性能を評価することによって行われました。提案されたネットワークモデルは、最大で82.75%の精度と0.88（95% CI: 0.817-0.930）の曲線下面積（AUC）スコアを達成しました。EUS画像のみを用いた意思決定における実装された深層学習ネットワークの性能は、EUS画像と臨床情報を用いた従来の手動意思決定と同等です。勾配加重クラス活性化マッピング（Grad-CAM）は、ネットワークモデルが嚢胞領域から特徴を正確に学習したことを確認しました。この研究は、深層学習ネットワークモデルを使用してMCNとSCNを診断する可能性を示しています。さらなる改善には、より多くのデータセットが必要です。