良性・境界性・悪性付属器腫瘍の診断のための人工知能ベースモデルの開発と検証

女性の健康にとってなぜ重要か

卵巣やその他の付属器の腫瘍は骨盤超音波でよく見つかりますが、どれが無害でどれが早期のがんを示すかを決めるのは、専門家にとっても依然として難しい課題です。本研究はClinical‑OMTAと呼ばれる新しい人工知能（AI）システムを報告します。これは超音波画像を読み取り、良性・境界性・悪性という3つの主要な群に分類して、女性が不必要な手術を避けつつ適切な治療を受けられるよう医師を支援します。

3種類の増殖、3つのまったく異なる選択肢

すべての付属器腫瘍が同じわけではありません。良性の増殖は経過観察や簡単な手術で済むことが多い一方、悪性腫瘍は命に関わるがんで専門的な手術や化学療法が必要です。境界性腫瘍はその中間に位置し、再発することがある一方で若年の患者に多く、妊孕性を温存したい場合があるため外科医は必要最小限の切除を目指します。残念ながら超音波ではこれら3つのカテゴリーが非常に似て見えることがあり、とくに境界性腫瘍は無害な嚢胞にも侵襲的ながんにも似通うため、患者と臨床医の双方にとって治療判断がストレスとなります。

複雑なスキャンをより明確な答えに変える

超音波は通常、付属器腫瘍の最初かつ最も広く利用される検査ですが、粒状で変動の大きい画像を解釈するにはかなりの経験が必要です。広く使われるADNEXモデルのような既存のスコアリングシステムやリスク計算機は、年齢や血液マーカー（CA125）のような単純な臨床情報と特定の超音波所見を組み合わせますが、画像を正しく記述するのは依然として人間の観察者に依存します。最近のディープラーニング（ピクセルから直接パターンを学ぶAIの一分野）の研究は、この主観性の一部を回避し、異なる腫瘍タイプの微妙な画像署名をコンピュータに学習させる可能性を提供します。

多数の病院で訓練されたAIアシスタント

先行研究を基に、著者らはClinical‑OMTAを設計しました。これは二段階の経路を持つAIモデルで、まず良性と非良性を区別し、次に境界性と悪性を識別します。システムはグレースケールの超音波画像を処理し、年齢やCA125値をオプションの入力として取り込むこともできます。モデルの訓練と検証のために、研究チームは大規模で多様なデータセットを組み立てました：中国の23病院からの2381人の女性、38種類の超音波装置で撮影されたデータです。ほとんどの症例は手術で確定診断が得られており、より小さなグループの明らかに良性の嚢胞は少なくとも6か月の超音波経過観察で確認されました。データは訓練セット、内部テストセット、および静止画と卵巣の短いビデオスイープを含む2つの完全に独立した外部テストコホートに分割されました。

実臨床でのAIの性能

外部テスト画像において、Clinical‑OMTAは良性・境界性・悪性の腫瘍をADNEXモデルや専門超音波検査者の判断と同等の精度で正しく分類しました。その性能は超音波機器のブランド、走査方法（腹部走査か膣内走査か）、および2つの外部病院にわたって安定しており、特定の装置や施設に過度に最適化されていないことを示唆しています。システムは静止画だけでなくビデオクリップでもよく機能しました。興味深いことに、年齢とCA125を入力しても超音波画像のみを用いる場合より判断が改善されず、高品質な画像が利用可能な場合にこの血液マーカーの寄与が小さいことを示す以前の研究と一致しました。

経験の浅い医師を助ける一方での限界

研究者らは次に、11人の放射線科医（初級・中級・熟練）に同じ症例を分類させ、まずAIなしで、次にAIの出力とモデルが重要と判断した画像領域を示すヒートマップを付けて評価しました。Clinical‑OMTAの支援により、初級医の正確性は約18～20パーセンテージポイント向上し、中級読影者も著しく改善してほぼ専門家レベルに到達しました。以前は「公正（fair）から中等度（moderate）」にとどまっていた読影者間一致は、ツール使用時に非常に高いレベルに上昇しました。一方で、このような強い一致は「自動化バイアス」を反映する可能性があり、臨床医がとくに最もあいまいな境界性症例でAIに過度に依存しがちになることが指摘されます。したがって著者らは、ヒートマップは研究用のツールであり、それ自体が独立した説明手段ではないこと、AIの指導は臨床トレーニングや意思決定に慎重に統合されるべきだと強調しています。

患者にとっての意義

総じて、Clinical‑OMTAは、多様な超音波データで訓練されたAIシステムが、付属器腫瘍を良性・境界性・悪性に分類する点で専門家の性能に匹敵し、経験の浅い放射線科医の技術と一貫性を大幅に向上させ得ることを示しています。異なる機器や施設で機能するため、このモデルは将来的に装置内に組み込まれたり、医師を支援するスタンドアロンのソフトウェアとして忙しい施設や資源の限られた診療所で使われたりする可能性があります。著者らは、特に低性能の装置や非専門オペレーターがいる環境では、日常使用に踏み切る前にさらなる前向きかつ国際的な研究が必要だと注意を促しています。それでも、本研究は治療を受ける場所にかかわらず、より多くの女性が卵巣超音波の専門的解釈とより個別化されたタイムリーなケアの恩恵を受けられる未来を示唆しています。

引用: Wu, Y., Dai, W., Li, X. et al. Development and validation of an artificial intelligence-based model for diagnosing benign, borderline, and malignant adnexal masses. npj Precis. Onc. 10, 106 (2026). https://doi.org/10.1038/s41698-026-01320-5

キーワード: 卵巣超音波, 人工知能, 付属器腫瘍, 境界性卵巣腫瘍, 臨床意思決定支援