乳がんリンパ節転移検出の深層学習アルゴリズムは病理医の診断精度を上回る

【背景】

深層学習アルゴリズムを病理組織全体スライド画像に適用することで、診断精度と効率の向上が期待されています。本研究は、乳がん女性のリンパ節転移検出における深層学習アルゴリズムの性能を評価し、病理医の診断と比較しました。

【結果】

最も性能の高いアルゴリズムは、病変レベルの真陽性率が時間制約のない病理医と同等（72.4% [95% CI, 64.3%-80.4%]）で、正常スライドあたりの偽陽性率は平均0.0125でした。スライド全体の分類では、最良のアルゴリズム（AUC 0.994 [95% CI, 0.983-0.999]）は、時間制約のある病理医パネル（平均AUC 0.810）より有意に優れた結果でした（P<.001）。

【臨床へのインパクト】

本研究結果は、深層学習アルゴリズムが乳がんリンパ節転移の診断において、ルーチン業務を模倣した時間制約下の病理医パネルよりも高い精度を示し、時間制約のない熟練病理医と同等の性能を持つ可能性を示唆しています。将来的には、病理診断の補助ツールとして導入され、診断精度の向上や効率化に貢献する可能性がありますが、実際の臨床現場での有用性についてはさらなる検証が必要です。

本記事は AI（Gemini）が PubMed 上の英語 Abstract を要約したものです。臨床判断には必ず原著をご確認ください。