胃疾患におけるAI診断—胃拡大内視鏡AI画像診断支援システムによる胃癌診断の現状

Artificial Intelligence Using A Convolutional Neural Network for Diagnosis of Early Gastric Cancer Based on Magnifying Endoscopy with Narrow Band Imaging

要旨●胃疾患におけるAI診断の対象は，H. pylori感染診断，病変の拾い上げ，胃癌の質的診断・深達度診断など多岐にわたり，特にAIによる胃癌の拾い上げ診断，質的診断に関しては多くの研究が報告されている．また，胃拡大内視鏡を用いたAI画像診断支援システムも少なからず報告されており，今回は胃拡大内視鏡AI画像診断支援システムによる胃癌診断の現状について解説する．筆者らが開発した胃拡大内視鏡AI画像診断支援システムは，フルズーム浸水法を特徴としており，正診率98.7%，感度98%，特異度100%，陽性的中率100%，陰性的中率96.8%であり，既報の中で最も精度の高いシステムを開発することができた．しかし，リアルタイムに撮影される動画を用いた診断精度は不十分であり，今後さらなる改良が必要である．日常臨床での内視鏡医の診断と同様，通常観察（白色光）でのAI胃癌診断にも限界があることから，胃拡大内視鏡AI画像診断支援システムの上乗せ効果が予想されており，早期の実用化が期待される．

　

＊本論文中、QRコードを読み込む，もしくはURLにアクセスいただくことで動画を再生できます（公開期限：2024年4月）．

　We constructed an AI（artificial intelligence）-assisted CNN（convolutional neural network）CAD（computer-aided diagnosis）system, based on ME-NBI（magnifying endoscopy with narrow-band imaging）images to enable the diagnosis of EGC（early gastric cancer）and evaluated the diagnostic accuracy of this system. The AI-assisted CNN-CAD system（ResNet50）was trained and validated on a dataset of 5,574 ME-NBI images（3,797 EGCs and 1,777 non-cancerous mucosa and lesions）. For the evaluation of diagnostic accuracy, a separate test dataset of 2,300 ME-NBI images（1,430 EGCs and 870 non-cancerous mucosa and lesions）was assessed using this system. The overall accuracy, sensitivity, specificity, positive predictive value, and negative predictive value of the AI-assisted CNN-CAD system were 98.7%, 98%, 100%, 100%, and 96.8%, respectively. All the misdiagnosed images of EGCs were of low quality or of superficially depressed and intestinal-type intramucosal cancers that were difficult to distinguish from gastritis, even by experienced endoscopists. The AI-assisted CNN-CAD system for ME-NBI diagnosis of EGC had a considerable diagnostic ability. This system may possess substantial potential for clinical application in the future that could facilitate ME-NBI diagnosis of EGC in actual clinical practice.