AI支援による放射線療法の臓器分割：精度と効率を大幅向上

深層学習モデルを用いたAI支援による臓器危険領域の自動分割は、手動分割と比較して精度、効率、再現性の全ての面で優れており、胸部・乳がん放射線療法の標準化に貢献する可能性が示唆されました。

背景

放射線療法において、心臓や肺などの重要臓器（臓器危険領域：OAR）の正確な描出は、治療計画の質と患者安全を左右する重要なプロセスです。しかし、従来の手動による臓器輪郭描出（デライネーション）は、医師の経験や施設の体制に依存し、時間がかかる上に、描出結果にばらつきが生じるという課題がありました。

深層学習を用いた自動分割技術（iCurveE）により、この課題の解決が期待されています。本研究は、AI支援による臓器分割の臨床的有用性を、大規模な前向き多施設試験で初めて検証しました。

主な発見

5施設、37名の医師、500患者を対象とした試験では、2,483組の臓器危険領域データが前向きに収集されました。結果として、以下の成果が得られました：

• 精度の向上：AI支援分割の体積Dice類似度係数（vDSC）は平均0.902で、手動分割（0.857）を有意に上回りました（p < 0.0001）
• 輪郭精度の改善：AI支援分割では95%ハウスドルフ距離が5.20mmであり、手動分割（8.01mm）に比べて統計学的に有意に低値でした（p < 0.0001）
• 業務効率の大幅改善：中央値で描出時間が55分から10分に短縮され、時間効率が81.63%向上しました（p < 0.0001）
• ばらつきの軽減：複数の施設と医師間における描出結果の変動性が著しく低下し、より一貫性の高い結果が得られました

臨床的意義

本研究の結果は、AI支援による臓器分割が単なる補助機能ではなく、精度と効率の両面で優位性を持つことを示しています。放射線療法において、治療計画の質は臓器分割の正確性に大きく依存するため、この技術の導入は以下のような臨床への貢献が期待できます：

• 治療品質の標準化と向上
• 医師の専門性に依存しない安定した臓器描出
• 業務負担の軽減による患者処理量の増加
• 医療格差の是正への貢献

限界

本研究は大規模な前向き試験として高い価値を持つ一方、いくつかの点に留意する必要があります。モデルの再現性に関する報告が限定的であり、異なる施設や装置での汎化性能の詳細な検証は今後の課題です。また、本研究は胸部・乳がん放射線療法に限定されており、他の部位や治療法への適用については別途検討が必要です。

Original paper: A prospective multicenter trial of deep learning auto-segmentation for organs at risk in thoracic radiotherapy. — Nature communications. 10.1038/s41467-026-70863-9

🎧 ポッドキャストを聴く