Interactive Lesion Segmentation in Whole-Body PET/CT and Longitudinal CT: The autoPET/CT-IV Challenge

がんとの闘いにおいて、医師は人体内部を見通し、臓器や組織がどのように機能しているかを捉える強力なカメラに頼っています。最も重要なツールの2つは、細胞がエネルギーを高い割合で消費している領域を光らせるPETスキャンと、体の物理的な構造の詳細な地図を提供するCTスキャンです。医師がこれらの画像を見る際、彼らはがんが定着した、非常に小さく、しばしば不規則な箇所を見つけ出さなければなりません。この作業は、単に一つの点を見つけるだけではありません。それは、体のどの程度が影響を受けているかを正確に測定し、治療の効果が進むにつれて、それらの箇所が数週間あるいは数ヶ月の間にどのように変化するかを観察することを含みます。これを手作業で行うことは、時間がかかり、体力を消耗し、医師による違いが生じやすいため、一貫性のないケアにつながる可能性があります。これを助けるために、科学者たちはコンピュータにこの作業を自動で行わせるよう長年教えてきましたが、これらの機械は、学習した画像とは異なる見た目の画像であったり、がんの箇所が非常に小さかったり、あるいはかすかであったりすると、しばしば苦戦します。

新しい研究では、グローバルな研究者グループが集まり、異なるアプローチをテストしました。それは、コンピュータにすべてを単独で行わせるのではなく、人間の医師がステップバイステップで手助けをした場合に、コンピュータがどの程度うまく機能するかを問うというものです。研究者たちは、autoPET/CT-IVチャレンジとして知られるコンペティションを企画し、世界中のチームが2つの特定の課題を解決するために、彼らの最高のコンピュータプログラムを提出しました。最初の課題は、一連の画像を見て、人間が画面上でクリックしてコンピュータを導き、進行中に間違いを修正させるというものでした。2番目の課題はより難しく、現在の患者のスキャンを見て、過去の画像のみに基づいて、将来のスキャンでがんがどのような見た目になるかを正確に予測することを求めました。目標は、人間のガイダンスと人工知能を組み合わせることで、実際の病院で使用できるほど正確で信頼性の高いツールを生み出せるかどうかを確認することでした。

結果は、医師が単純なクリックによってコンピュータに微調整を許すと、その機械の仕事が大幅に向上することを示しました。参加者が単一のスキャン上でがんの箇所を輪郭付けるという最初のタスクでは、最高のコンピュータプログラムは、まず大まかな推測から始まり、シミュレーション上の医師が、見落とした箇所や間違った箇所をクリックするにつれて改善していきました。これら10回の修正を経て、コンピュータの輪郭は、AUC 0.74で真のがんの形状と一致しました。これは、コンピュータが単独で行うよりも明らかに優れた結果であり、システムは異なる種類のスキャンや異なる病院の画像に対してもうまく機能しました。この研究では、コンピュータはがんを見つける能力は向上したものの、修正を与えすぎると、時折、健康な組織をがんとマークし始めることが分かり、これは、あらゆる箇所を見つけることと、誤報を出さないことの間の繊細なバランスを示唆しています。

しかし、研究者がコンピュータに対して、がんが時間の経過とともにどのように変化するかを予測するよう求めたところ、結果ははるかに芳しくないものでした。2番目の課題では、プログラムはベースラインのスキャンを見て、数ヶ月後のフォローアップスキャンでがんがどこにあるかを推測しなければなりませんでした。このカテゴリーにおける最高のプログラムは、約38パーセントの精度でしか将来のがんの箇所と一致させることができませんでした。この低いスコアは、腫瘍が縮小したり、消失したり、あるいは新しい場所に移動したりすることを、機械が理解するのがいかに難しいかを浮き彫りにしています。コンピュータは、以前そこにスポットがあったならば、後でもまだそこにあるはずだと想定する傾向があり、実際にがんが消失した場合や、新しいスポットが現れた場合にエラーを招きました。この研究は、コンピュータは現在目に見えているものを見つけることには優れているものの、疾患の将来の挙動を単独で信頼性高く予測する準備はまだできていないことを示唆しています。

また、コンペティションは、がんの種類や、写真を撮るために使用された特定の装置が大きく影響することも明らかにしました。ある画像セットでうまく機能したプログラムが、別のセットでは苦戦することもあり、ツールがスキャンの撮影が行われた特定の条件に対して依然として敏感であることを示しました。研究者たちは、コンピュータは大きく明るいスポットを見つけることには特に長けているものの、最も危険な（見落としやすい）小さくてかすかなスポットを見逃しやすいことを指摘しました。数カ国からの数千件の実際の患者のスキャンを用いてこれらのシステムをテストすることで、この研究は、テクノロジーが現在どのような段階にあるのかという明確な全体像を提供しました。それは、最も有望な道筋は、コンピュータで医師を置き換えることではなく、コンピュータがスポットを見つけるという重労働を担い、人間の専門家が難しい部分を修正するというパートナーシップを築くことであると確認しました。

結局のところ、この研究は、がんの画像診断の未来はおそらくこのようなコラボレーションにあることを示しています。コンピュータは膨大な量のデータを数秒で処理して診断の「初稿」を提供でき、一方で医師は、何も見落とされないように最終的な判断を下します。研究の結論は、病気の進行を完全に自動で予測できるという夢はまだ手の届かないところにあるものの、対話型の支援診断のためのツールは、実際のクリニックでテストされる準備ができているということです。人工知能のスピードと人間の専門家の微細な理解を組み合わせることで、医師は間もなく、がんをより正確に追跡し、治療をより迅速に調整できるようになり、患者に回復へのより良いチャンスを与えることができるかもしれません。進むべき道は明確です。人間を完全に置き換えようとするのではなく、人間の修正から学ぶシステムを構築することなのです。