【医学論文】AIシステムを利用したT1大腸がん・直腸がんのリンパ節転移予測

みなさんこんにちは！日々機械学習を学ぶ外科医のさとうです。

今回はGastroenterologyに2021年に掲載されたAI・機械学習と大腸がんに関する論文を一緒に勉強していきましょう！

今回紹介する論文はこちらです！

Pubmedから検索。

Google scholarから検索。

今回の論文

論文：Artificial Intelligence System to Determine Risk of T1 Colorectal Cancer Metastasis to Lymph Node

著者：S Kudo et al.

雑誌：Gastroenterology 2021;160:1075–1084

AIシステムを利用したT1大腸がん・直腸がんのリンパ節転移予測

＜背景＞

T1結腸直腸がん（CRC）の患者は、リンパ節転移の発生率が低い（10％程度）にもかかわらず、ガイドラインに従って、ほとんどの患者がリンパ節郭清を伴う外科的切除を受けている。不必要な外科的切除を減らすために、人工知能を用いてリンパ節転移のリスクがあるT1大腸がんを特定するモデルを構築し検証した。

＜方法＞

1997年4月から2017年9月までに日本の6つの病院で治療を受けたT1 CRC患者3134人のデータ（トレーニングコホート）を収集した。患者の年齢、性別、腫瘍の大きさ、位置、形態、リンパ管や血管への浸潤、組織学的グレードを用いて人工ニューラルネットワーク（ANN）を構築した。そしてニューラルネットワークモデルの検証を行った。検証は同時期に別の病院で治療を受けた939人の患者データ（検証コホート）を用いて行った。ROCカーブを作成し曲線化面積を算出し、ニューラルネットワークモデルとアメリカガイドラインのリンパ節転移を識別する能力について検証した。

＜結果＞

リンパ節転移は、トレーニングコホートでは3134例中319例（10.2％）、検証コホートでは939例中79例（8.4％）に認められた。検証コホートでは、ニューラルネットワークモデルはAUC 0.83でリンパ節転移患者を特定したのに対し、ガイドラインではAUC 0.73であった（P < 0.001）。解析対象を初回の内視鏡的切除を受けた患者に限定するとニューラルネットワークモデルはAUC 0.84でリンパ節転移を特定した。対してガイドラインではAUCが 0.77であった。

＜結論＞

ニューラルネットワークモデルは、リンパ節転移のあるT1 CRC患者の識別において、ガイドラインを上回る結果を示した。このモデルは、T1型CRCの内視鏡的切除後に、どの患者に追加手術が必要かを判断するために活用できるかもしれない。

In accordance with guidelines, most patients with T1 colorectal cancers (CRC) undergo surgical resection with lymph node dissection, despite the low incidence (w10%) of metastasis to lymph nodes. To reduce unnecessary surgical resections, we used artificial intelligence to build a model to identify T1 colorectal tumors at risk for metastasis to lymph node and validated the model in a separate set of patients.

We collected data from 3134 patients with T1 CRC treated at 6 hospitals in Japan from April 1997 through September 2017 (training cohort). We developed a machine-learning artificial neural network (ANN) using data on patients’ age and sex, as well as tumor size, location, morphology, lymphatic and vascular invasion, and histologic grade. We then conducted the external validation on the ANN model using independent 939 patients at another hospital during the same period (validation cohort). We calculated areas under the receiver operator characteristics curves (AUCs) for the ability of the model and US guidelines to identify patients with lymph node metastases.

Lymph node metastases were found in 319 (10.2%) of 3134 patients in the training cohort and 79 (8.4%) of /939 patients in the validation cohort. In the validation cohort, the ANN model identified patients with lymph node metastases with an AUC of 0.83, whereas the guidelines identified patients with lymph node metastases with an AUC of 0.73 (P < .001). When the analysis was limited to patients with initial endoscopic resection (n . 517), the ANN model identified patients with lymph node metastases with an AUC of 0.84 and the guidelines identified these patients with an AUC of 0.77 (P . .005).

The ANN model outperformed guidelines in identifying patients with T1 CRCs who had lymph node metastases. This model might be used to determine which patients require additional surgery after endoscopic resection of T1 CRCs.