Medicine & AI

Development and Validation of a Deep Learning–Based Automated Detection Algorithm for Major Thoracic Diseases on Chest Radiographs

https://doi.org/10.1001/jamanetworkopen.2019.1095

目　的

本研究はAIを使用して肺悪性腫瘍、活動性結核、肺炎、気胸などの主要な胸部疾患の胸部レントゲン写真から正常と異常の結果を分類できるディープラーニングベースのアルゴリズムを開発し、パフォーマンスを検証しています。方法　この診断研究では、2016年11月1日から2017年1月31日までの間に収集された単一施設データを使用して、ディープラーニングベースのアルゴリズムを開発しました。このアルゴリズムは、2018年5月1日から7月31日までの間に収集された多施設データを使用して外部検証されました。アルゴリズムの開発には、47,917人(男性 21,556人、女性 26,361人、平均[SD] 年齢51[16] 歳) の正常所見を伴う胸部レントゲン写真54,221枚と、14,102人 (男性 8,373人、女性 5,729人、平均 [SD] 年齢 62 [15] 歳) の異常所見を伴う胸部レントゲン写真 35,613 枚が使用されました。外部検証には、5つの施設から、正常結果の胸部レントゲン写真 486枚と異常結果の胸部レントゲン写真529枚 (各参加者1枚、男性628名、女性387名、平均 [SD] 年齢53[18]歳)を使用しました。非放射線科医師、認定放射線科医、胸部放射線科医を含む15名の医師が、観察者パフォーマンス テストに参加しました。データは2018年8月に分析されました。

To develop a deep learning–based algorithm that can classify normal and abnormal results from chest radiographs with major thoracic diseases including pulmonary malignant neoplasm, active tuberculosis, pneumonia, and pneumothorax and to validate the algorithm’s performance using independent data sets.This diagnostic study developed a deep learning–based algorithm using single-center data collected between November 1, 2016, and January 31, 2017. The algorithm was externally validated with multicenter data collected between May 1 and July 31, 2018. A total of 54 221 chest radiographs with normal findings from 47 917 individuals (21 556 men and 26 361 women; mean [SD] age, 51 [16] years) and 35 613 chest radiographs with abnormal findings from 14 102 individuals (8373 men and 5729 women; mean [SD] age, 62 [15] years) were used to develop the algorithm. A total of 486 chest radiographs with normal results and 529 with abnormal results (1 from each participant; 628 men and 387 women; mean [SD] age, 53 [18] years) from 5 institutions were used for external validation. Fifteen physicians, including nonradiology physicians, board-certified radiologists, and thoracic radiologists, participated in observer performance testing. Data were analyzed in August 2018.　Main Outcomes and Measures　Image-wise classification performances measured by area under the receiver operating characteristic curve; lesion-wise localization performances measured by area under the alternative free-response receiver operating characteristic curve.

結　果

アルゴリズムは、画像による分類では曲線下面積の中央値（範囲）が 0.979（0.973-1.000）、病変による位置特定では 0.972（0.923-0.985）を示しました。アルゴリズムは、画像による分類（0.983 vs. 0.814-0.932、すべて P ＜ .005）と病変による位置特定（0.985 vs. 0.781-0.907、すべて P ＜ .001）の両方で、3つの医師グループすべてよりも大幅に高いパフォーマンスを示しました。アルゴリズムの支援により、3つの医師グループすべてにおいて、画像ごとの分類（0.814-0.932から0.904-0.958へ、すべてP ＜ .005）と病変ごとの局在（0.781-0.907から0.873-0.938へ、すべてP ＜.001）の両方で有意な改善が観察されました。結論　このアルゴリズムは、胸部X線写真と主要な胸部疾患の判別において、胸部放射線科医を含む医師よりも一貫して優れた成績を収めており、臨床診療の質と効率を向上させる可能性を実証しています。

The algorithm demonstrated a median (range) area under the curve of 0.979 (0.973-1.000) for image-wise classification and 0.972 (0.923-0.985) for lesion-wise localization; the algorithm demonstrated significantly higher performance than all 3 physician groups in both image-wise classification (0.983 vs 0.814-0.932; all P ＜ .005) and lesion-wise localization (0.985 vs 0.781-0.907; all P ＜.001). Significant improvements in both image-wise classification (0.814-0.932 to 0.904-0.958; all P ＜ .005) and lesion-wise localization (0.781-0.907 to 0.873-0.938; all P ＜ .001) were observed in all 3 physician groups with assistance of the algorithm.　Conclusions and Relevance　The algorithm consistently outperformed physicians, including thoracic radiologists, in the discrimination of chest radiographs with major thoracic diseases, demonstrating its potential to improve the quality and efficiency of clinical practice.

企業の取り組み

AI技術を活用し、健診・診療時の胸部単純X線画像診断を支援
撮影した胸部単純X線画像を自動解析。結節・腫瘤影、浸潤影、気胸が疑われる領域を検出しマーキング。その領域を医師が再確認することで、見落し防止を支援します。事前に処理をおこなっているため、放射線技師の手を煩わすことなく処理結果を閲覧できます。