BreastDCEDL：2,070人の患者を含む標準化された深層学習対応乳房DCE-MRIデータセット

乳がん治療にとってなぜ重要か

乳がんと診断されたとき、医師はどの治療が最も効果的かを迅速に判断する必要があります。高度なMRI検査は腫瘍の振る舞いを示すことができますが、これらの画像を治療方針を導く信頼できるコンピュータ支援ツールに変えるのは容易ではありません。本稿はBreastDCEDLを紹介します。これは研究者が腫瘍の治療反応を予測する人工知能（AI）システムを構築・評価するために特化して作られた、大規模かつ精選された乳房MRI画像のコレクションです。

腫瘍の時間的変化をとらえる

医師はしばしばダイナミック造影MRI（DCE-MRI）と呼ばれる特殊なMRIを用いて乳房腫瘍を観察します。この検査では造影剤を注入する前後に複数枚の画像を撮影し、数分にわたる腫瘍内の血流の変化を捉えます。がん組織は血管が漏れやすく乱れていることが多いため、正常組織とは異なる明るさの出方や消え方を示します。これらのタイムラプス画像は腫瘍の攻撃性を示し、化学療法などの有効な薬剤で完全に消失するかどうかを予測する手がかりになる可能性があります。

ばらばらのスキャンを一つの明瞭な資源に変える

これまで、乳房MRIのAI研究の進展はデータの分散によって妨げられてきました。病院ごとに画像形式が異なり、使用する装置や臨床情報の記録方法もさまざまです。BreastDCEDLプロジェクトはこの問題に取り組み、I‑SPY1、I‑SPY2、Dukeという3つの主要な研究群から前治療のDCE-MRIを合わせて2,070人分収集しました。チームは850万枚を超える個別の画像スライスを、医用画像研究で広く使われる標準形式に従って11,000を少し超える3Dボリュームに変換しました。さらに各患者のスキャンが時間（造影前、造影直後、造影後）および空間的に正しく整列するよう精査しています。

腫瘍の位置を示し事実を結びつける

AIが学習するためには、腫瘍がどこにあるかと患者に何が起きたかを知る必要があります。BreastDCEDLでは各患者に腫瘍のマーキングと主要な臨床情報が付与されています。I‑SPY群では腫瘍輪郭を記述する複雑なコンピュータコードが、ボクセルごとに腫瘍領域を示す単純な3Dマスクに復号されました。Duke群では専門の放射線科医が各症例で最大の腫瘍に外接するバウンディングボックスを描画しました。画像とともにデータセットには患者年齢、基本的な人口統計情報、腫瘍サイズ、ホルモン受容体（HR）ステータス、HER2ステータス、および治療後に腫瘍が完全に消失したかどうか（病理学的完全奏効、pCR）が含まれます。この結果は1,452人分で利用可能で、長期生存と強く関連しており予測モデルの主要なターゲットです。

AIツールの公正な評価を構築する

新しいAI手法を比較しやすくするために、著者らは固定の訓練群、検証群、テスト群を提供しており、それらの間でpCR率が類似するように配慮しています。これにより異なる研究チームが正確に同じ患者群でモデルを評価でき、性能の主張がより信頼できるものになります。データセットはまた現実の病院で見られる自然な多様性を保っています：多数の施設、さまざまなMRI装置、HRおよびHER2陽性性の定義の若干の違いなどです。これらの差異を無理に平滑化するのではなく明確に記録することで、研究者はそれらをどう扱うか判断し、モデルが異なる患者集団や撮像条件でも働くかを試験できます。

今後の研究に何をもたらすか

BreastDCEDLは単なる画像の山ではなく、さまざまな研究に使える整理されたツールキットです。研究者はAIを訓練して腫瘍を検出したり、腫瘍体積を測定したり、治療開始前にpCRを予測したり、画像パターンと腫瘍生物学との関連を探ったりできます。アウトカムデータのない患者も、教師なし学習や半教師あり学習の追加サンプルとして役立ちます。すべてのファイルが単純な命名規則と共通フォーマットに従っているため、研究者は標準的なソフトウェアですばやく読み込み解析でき、手作業の準備にかかる日数を節約し、エラーの可能性を減らせます。

パーソナライズド治療へのより明確な道筋

簡潔に言えば、本研究は複数の病院から寄せ集められた乱雑な乳房MRIのコレクションを、AI研究のための整然とした共有基盤に変えます。画像と臨床情報の保存方法を標準化し、腫瘍と転帰を一貫してマーキングすることで、BreastDCEDLは研究者が臨床でそれぞれの患者に最適な治療を選ぶ手助けをする可能性のあるコンピュータツールを構築し、公正に評価するために必要なものを提供します。これ自体ががんを治すわけではありませんが、より精密でデータ駆動型の乳がん医療への道にある大きな障害を取り除きます。

引用: Fridman, N., Solway, B., Fridman, T. et al. BreastDCEDL: A standardized deep learning-ready breast DCE-MRI dataset of 2,070 patients. Sci Data 13, 264 (2026). https://doi.org/10.1038/s41597-026-06589-6

キーワード: 乳房MRI, がんイメージング, 医療AI, 治療反応, 医療データセット