BCMM: 乳がんMRIと臨床的特徴のゲート付き双方向クロスアテンション融合によるRCB応答予測(I-SPY1コホート)
BCMM: gated bidirectional cross-attention fusion of breast MRI and clinical features for predicting RCB response in the I-SPY1 cohort
新補助療法後の残存がん量(RCB)を予測するため、乳房MRIと構造化臨床的特徴を統合したマルチモーダル予測フレームワークを開発した。提案されたBreast Cancer Multi-source Multi-scale Model(BCMM)は、I-SPY1コホート(n=201)で評価され、8つの構造化臨床変数と2.5D MRI入力を組み込んだ。モデルは、臨床特徴エンコーディングブランチ(MLPとsqueeze-and-excitation)、マルチスケール特徴集約を備えたVision Transformer(ViT)ベースの画像エンコーダー、およびゲート付き双方向クロスアテンション融合モジュールで構成される。患者レベルでの層別化された5分割グループクロスバリデーションでモデル性能を評価した。BCMMは、5分割全体で平均AUC 0.826 ± 0.076、平均AUPRC 0.926 ± 0.028を達成した。プールされたアウトオブフォールド(OOF)予測では、AUC 0.795、AUPRC 0.895、精度0.677、バランス精度0.727、マクロF1スコア0.662、MCC 0.406を達成した。BCMMはこの単一コホート研究で有望な内部クロスバリデーション識別能力を示したが、頑健性または臨床的有用性に関する結論を出すには独立した外部検証が必要である。
- 乳がん新補助療法後のRCB予測を目的としたマルチモーダルAIモデルBCMMが、MRI画像と8つの臨床変数を統合し、I-SPY1コホート(n=201)で平均AUC 0.826を達成した
- モデルは内部クロスバリデーションで有望な性能を示したが、独立した外部検証が未実施である
本記事は乳がんの新補助療法後の治療効果予測におけるAI活用研究で、MRI画像と臨床データを統合したマルチモーダルモデルが有望な識別性能(AUC 0.826)を示している。ただし、単一コホート(n=201)での内部検証のみであり、外部検証や製品化・商用化には至っていない。医療AI領域の研究開発動向としては注目に値するが、現時点で投資判断を直接左右する具体的なマイルストーンは限定的である。