本論文はがん研有明病院・堀内裕介先生が『Digestive Diseases and Sciences』誌（2019年）に発表した「NBI拡大内視鏡を用いたCNNによる早期胃がんと胃炎の鑑別」に関する論文です。

Convolutional Neural Network for Differentiating Gastric Cancer from Gastritis Using Magnified Endoscopy with Narrow Band Imaging

はじめに

胃がんを早期に発見することで、侵襲性の低いがん治療が可能になります。早期胃がんと胃炎の鑑別には、NBI拡大内視鏡（以下、ME-NBI）が有効ですが、この技術の習得には内視鏡医はかなりの努力を要します。
本研究ではGoogLeNet注1）アーキテクチャに基づいたConvolutional Neural Network（以下、CNN）注2）を開発し、学習と検証を実行しました。なお、CNNアーキテクチャはCaffeフレームワーク注3）で実現しました。
上記を活用し、ME-NBI画像に対するCNNの早期胃がんと胃炎の診断能力を検証しました。

研究方法

ME-NBIで撮影した内視鏡画像（早期胃がん1,492枚および胃炎1,078枚）を学習したCNNを構築しました。ME-NBIで撮影した検証画像（早期胃がん151枚及び胃炎107枚）を用いて、CNNによる早期胃がんと胃炎の診断能力を評価しました。

結果

CNNの評価

● 精度85.3%（内視鏡画像258枚のうち220枚を正しく診断）
● 感度95.4%
● 特異度71.0%
● 陽性的中率82.3%
● 陰性的中率91.7%
● AUCは85.2%
● 解析速度は1秒あたり51.83枚（1画像あたり0.02秒）

結語

ME-NBIを用いたCNNシステムでは、早期胃がんと胃炎を短時間で高い感度かつ陰性的中率をもって識別することができました。CNNシステムは、ME-NBIを用いた現在の臨床的診断を補完できる可能性があります。

注1）GoogLeNet
22の多数の層を持った事前学習済みの畳み込みニューラルネットワーク。
注2）ニューラルネットワーク（CNN；Convolutional Neural Network）
人間の脳の神経細胞ネットワークを模倣し、数理モデル化したものの組み合わせ。
注3）Caffeフレームワーク
オープンソースのディープラーニングライブラリ。画像認識に特化しており、高速処理が可能。

研究方法

ME-NBIで撮影した教師画像（早期胃がん1,492枚及び胃炎1,078枚）を学習したCNNを構築しました。ME-NBIで撮影した検証画像（早期胃がん151枚及び胃炎107枚）を用いて、CNNによる早期胃がんと胃炎の診断能力（精度、感度、特異度、陽性的中率、陰性的中率）を評価しました。

教師データ

● 早期胃がん：1,492枚
● 胃炎：1,078枚

検証データ

● 早期胃がん：151枚

〇 位置：上部 17例、中部 91例、下部 43例

〇 腫瘍径（平均）：12.6mm

〇 深達度：M 132例、SM 19例、SM<500μm 9例、SM≧500μm 10例

〇 組織型：分化型 147例、未分化型 4例

● 胃炎：107枚

胃粘膜の萎縮は、木村・竹本分類に基づき、軽度（閉鎖型I及びII）、中等度（閉鎖型III及び開放型I）、高度（開放型II及びIII）の3つに分類された。

〇 軽度 23例　中等度 16例　高度 68例

組み入れ基準

● 拡大画像であること
● 早期胃がん及び胃炎画像：H.pylori感染既往歴のあるもの
● 早期胃がん画像：画像全体の60%〜70%以上に早期胃がんが認められるもの
● 非早期胃がん画像：H.pylori感染胃炎によるもののみ

除外基準

● 粘液や血液が広範囲に付着している、焦点のずれ、ハレーションがあるものなど
※教師データ、検証データ共に組み入れ基準と除外基準は同じ。

CNNはがん画像と非がん画像に対し、確率スコア（範囲：0~1）を出力した。

結果

CNNの評価

● 診断能力

〇 精度85.3%（220枚/258枚を正しく診断）

〇 感度95.4%（144枚/151枚を正しく診断）

〇 特異度71.0%（76枚/107枚を正しく診断）

〇 陽性的中率82.3%（144枚/175枚の早期胃がんを正しく診断）

〇 陰性的中率91.7%（76枚/83枚の早期胃がんを正しく診断）

● AUCは85.2%
● 解析速度は1秒あたり51.83枚（1画像あたり0.02秒）

偽陰性（151枚中7例）

偽陰性例はいずれも胃中部に位置する陥凹した分化型の粘膜内癌だった。

偽陽性（107枚中31枚）

偽陽性例のほとんどは中等度以上の萎縮を示した胃炎だった（軽度 3例、中等度17例、高度11例）。
偽陽性の原因は、限局的な萎縮(10例)、胃底腺の萎縮(11例)、腸上皮化生(10例)によるものと考えられた。

結語

ME-NBIを用いたCNNシステムでは、早期胃がんと胃炎を短時間で高い感度かつ陰性的中率をもって識別することができました。CNNシステムは、ME-NBIを用いた現在の臨床的診断を補完できる可能性があります。