病理学者の負担軽減と早期診断を促進するGNNモデル「IGUANA」

病理学者の負担軽減と早期診断のため、正常検体を除外するグラフニューラルネットワーク（GNN）モデル「IGUANA（Interpretable Gland-Graphs using a Neural Aggregator）」を構築し、性能を後ろ向き研究で検証。大腸内視鏡検査で3291例（女性約54％）から入手した正常または異常（非腫瘍性および腫瘍性）大腸検体のホールスライドイメージ（WSI）6591枚を使用し、モデルのトレーニング、内部検証および外部検証を行った。 その結果、患者2080例、WSI 5054枚のモデルトレーニングと内部検証では、受信者動作特性曲線下面積（AUC-ROC）が0.98、AUC-適合率-再現率（PR）が0.98だった。これは、患者1211例、WSI 1537枚を対象とした外部検証データ（AUC-ROC＝0.97、AUC-PR＝0.97）と同等だった。このモデルによって、感度閾値99％で病理学者が検証すべき正常スライド数が約55％減少した。さらにこのモデルでは、異常を色分けして強調することができ、予測と組織学的特徴の関連性を数値化することができる。...