肺がんは、「診断の遅れによる死亡率」が高い世界的な健康課題である。早期発見のための技術にはコンピュータ断層撮影（CT）が含まれるが、良性病変や放射線科医の経験がパフォーマンスに影響する。予後と生存率を改善するためには、革新的な戦略が必要である。AIモデルは、精度と効率を高め、偽陽性・偽陰性を減らし、既存の技術を補完する技術を提供することで、これらのアプローチを改善する可能性が注目される。
Cancersにこのほど掲載されたメタアナリシス論文では、肺がん早期発見におけるAIモデルの有効性を評価し、診断精度向上の可能性を強調するとともに、従来の手法に対する長所、限界、比較優位性を分析した。研究チームは、PubMed、Science Direct、Embase、Google Scholarの各データベースを検索し、2023年10月までに英語で発表された関連論文を検索した。1,024件の対象論文のうち、適格性を満たしたのは39件で、メタアナリシスによる感度0.87、特異度0.87が示されている。本研究ではAIモデル、特にリカレントニューラルネットワーク（RNN）と畳み込みニューラルネットワーク（CNN）が肺がん予測精度を向上させ、偽陽性を減少させるとともに、欠損データの影響を低下させるとしている。また、対象集団やデータソース、モデルの仕様の違いによる異質性を観察したところ、患者選択と指標検査、参照基準におけるバイアスリスクは低いが、フローとタイミングにおけるバイアスリスクは高いことを明らかにした。
研究結果は、AIモデルが初期の肺がんを効果的に検出し、陽性と陰性を識別し、予後を改善することを示唆している。一方、研究における不均一性は、標準化されたプロトコルの必要性を強調する。今後の研究では、肺がん検診におけるAIシステムのガイドラインとスタンダードを確立するため、AIモデルを改良するとともに、課題を検討し、研究者、臨床医、政策立案者と協力することに焦点を当てるべきであることに言及している。
参照論文：