Clinical Newswire

Radiological Society of North America (RSNA)年次総会で12月1日に発表された研究によると、マンモグラフィ画像のバイオマーカーのみを用いて開発されたディープラーニング人工知能（AI）モデルは、非浸潤性乳管がん（DCIS）と浸潤がんの両方を正確に予測した。さらに、このモデルは複数の人種間でバイアスを示さなかった。

従来の乳がんリスク評価モデルでは、患者の問診票から得られた病歴や出産・授乳経験などの情報を用いて、患者の将来の乳がん発症リスクを算出する。

「精密医療の領域では、女性の乳がん発症リスクを正確に評価することができなかったため、リスクに基づくスクリーニングは困難であった」とボストンのMassachusetts General Hospital（MGH）の乳腺放射線科医で本研究の筆頭著者であるLeslie R. Lamb医学博士は述べた。「既存の最も優れた従来型リスクモデルであっても、個人レベルではうまく機能しない」

従来のリスクモデルでも、患者の人種が異なると評価能が低いことが示されており、これはモデルの開発に使用されたデータが原因である可能性が高い。

「従来のモデルは、開発された母集団に人種的バイアスがある可能性が高い。「一般的に使用されているモデルのいくつかは、主にヨーロッパ系白人集団を対象に開発されたものである」

米国がん学会によると、黒人女性の乳がんの5年相対生存率は、全人種・民族の中で最も低いことが示されている。これは、すべての乳がんタイプにおいて、黒人女性と白人女性の5年生存率に6～8％の格差があることを意味する。

乳がんリスクを正確に判定し、早期発見を促進し、患者の生存率を向上させるためには、異なる集団に適用可能なリスクモデルを開発することが重要である。

マンモグラフィ画像のみを用いて開発されたディープラーニングAIリスク評価モデルは、従来のモデルに見られる人種バイアスを緩和しつつ、将来の乳がん発症において従来のリスク評価モデルを上回ることができる。

Lamb博士らは、この種の研究では初めて、画像ベースのディープラーニングによるリスク評価モデルが、複数の人種にわたって将来の浸潤性乳癌とDCISの両方を予測する性能を評価しようとした。

モデルの性能は、受信者動作特性曲線（AUC）下面積をDeLong検定と比較することで評価した。AUCスコアは、0から1までのスケールでモデルの予測率を測定する。複数の先行研究では、AUCで測定した従来のリスクモデルの性能は白人女性で0.59-0.62の範囲と推定されており、他の人種の女性では性能はかなり低い。

この多施設共同研究では、2009～2018年に女性71,479人を対象に実施された129,340件の定期的な両側スクリーニングマンモグラフィと5年間の追跡データが含まれていた。患者の属性は電子カルテから取得し、がんの症例は地域の腫瘍登録から特定した。

試験群の人種構成は、白人（106,839人）、黒人（6,154人）、アジア人（6,435人）、自己申告によるその他の人種（6,257人）、不明（3,655人）であった。女性の平均年齢は59歳であった。

ディープラーニング・モデルは、女性の早期乳がんであるDCISと、転移の可能性があるがんである浸潤性乳がんの発症リスクを予測する上で、従来のリスクモデルを常に上回っていた。

「このモデルは、肉眼で見える範囲を超えて、マンモグラムの微妙な画像バイオマーカーの多様性を完全に変換することができ、DCISと浸潤性乳がんの両方の女性の将来のリスクを予測することができる」とDr.Lambは述べた。「ディープラーニングによる画像のみのリスクモデルは、より正確で公平で低コストのリスク評価へのアクセスを増やすことができる」

DCISおよび浸潤がんの予測率は、全人種で0.71であった。DCISの予測におけるAUCは、非白人患者で0.77、白人患者で0.71であった。浸潤がんの予測におけるAUCは、非白人患者で0.72、白人患者で0.71であった。

「これは、AIにとって特にエキサイティングな領域である。リスク評価におけるよく知られた人種間格差を是正するために、”AI for Good “を適用する機会を示しているからである」と、MGHの乳腺放射線科医で上級著者のConstance D. Lehman博士（M.D., Ph.D.）は述べた。「我々は今、これらの知見を患者のための臨床治療の改善につなげる態勢を整えている」

https://ecancer.org/en/news/23950-ai-model-predicts-breast-cancer-risk-without-racial-bias

（2023年12月1日公開）