胃と腸54巻3号

2019年03月発行

今月の主題 咽頭・食道内視鏡拡大観察の基本と最新知見 主題研究

食道領域のAI診断の最前線—食道癌拾い上げ診断の現状と拡大観察への考察

著者： 由雄敏之¹² 堀江義政¹ 青山和玄³ 吉水祥一¹ 堀内裕介¹ 石山晃世志¹ 平澤俊明¹² 土田知宏¹ 藤崎順子¹ 多田智裕²³

所属機関： ¹がん研有明病院消化器センター上部消化管内科 ²ただともひろ胃腸科肛門科 ³株式会社AIメディカルサービス

ページ範囲：P.385 - P.391

要旨●食道癌は進行癌として診断されると予後が悪く，早期診断が重要である．近年，人工知能（AI）はディープラーニングを用いることにより医療の分野で非常に進歩した．筆者らは食道癌拾い上げ診断におけるAIの診断能を検証した．8,428枚の食道癌の内視鏡画像を用いてAIを教育し，別に準備した1,118枚の画像で検証した．AIは食道癌症例の98％を驚くほどの速さで検出することができ，10mm未満の7病変もすべて検出した．また98％の画像で表在癌と進行癌を判断することができた．偽陽性が多い，拡大観察については十分に検討されていないなどまだ課題はあるが，AI画像診断支援システムの臨床応用の可能性が示唆された．

参考文献

1）GLOBOCAN. Estimated Cancer incidence, Mortality and Prevalence Worldwide in 2012. International Agency for Research on Cancer-world Health Organization. 2012　http：//globocan.jarcfr/Pages/fact_sheets_cancer.aspx（Accessed 2018 Mar 13）

2）Nagami Y, Tominaga K, Machida H, et al. Usefulness of non-magnifying narrow-band imaging in screening of early esophageal squamous cell carcinoma：a prospective comparative study using propensity score matching. Am J Gastroenterol　109：845-854, 2014

3）Lee YC, Wang CP, Chen CC, et al. Transnasal endoscopy with narrow-band imaging and Lugol staining to screen patients with head and neck cancer whose condition limits oral intubation with standard endoscope（with video）. Gastrointest Endosc　69：408-417, 2009

4）Kuraoka K, Hoshino E, Tsuchida T, et al. Early esophageal cancer can be detected by screening endoscopy assisted with narrow-band imaging（NBI）. Hepatogastroenterology　56：63-66, 2009

5）Ishihara R, Takeuchi Y, Chatani R, et al. Prospective evaluation of narrow-band imaging endoscopy for screening of esophageal squamous mucosal high-grade neoplasia in experienced and less experienced endoscopists. Dis Esophagus　23：480-486, 2010

6）Bibault JE, Giraud P, Burgun A. Big Data and machine learning in radiateon oncology：state of the art and future prospects. Cancer Lett　382：110-117, 2016

7）Esteva A, Kuprel B, Novoa RA, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature　542：115-118, 2017

8）Gulshan V, Peng L, Coram M, et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA　316：2402-2410, 2016

9）Yoshida H, Shimazu T, Kiyuna T, et al. Automated histological classification of whole-slide images of gastric biopsy specimens. Gastric Cancer　21：249-257, 2018

10）Shichijo S, Nomura S, Aoyama K, et al. Application of convolutional neural networks in the diagnosis of Helicobacter pylori infection based on endoscopic images. EBioMedicine　25：106-111, 2017

11）Hirasawa T, Aoyama K, Tanimoto T, et al. Application of artificial intelligence using a convolutional neural network for detecting gastric cancer in endoscopic images. Gastric Cancer　21：653-660, 2018

12）Takiyama H, Ozawa T, Ishihara S, et al. Automatic anatomical classification of esophagogastroduodenoscopy images using deep convolutional neural networks. Sci Rep　8：7497, 2018

13）Horie Y, Yoshio T, Aoyama K, et al. Diagnostic outcomes of esophageal cancer by artificial intelligence using convolutional neural networks. Gastrointest Endosc. 2018 Aug 16 ［Epub ahead of print］

14）日本食道学会（編）．臨床・病理—食道癌取扱い規約，第11版．金原出版，2015

15）Liu W, Anguelov D, Erhan D, et al. SSD：Single Shot MultiBox Detector https://arxiv.org/abs/1512.02325