Ultra-fast deep-learned CNS tumour classification during surgery

Ultra-fast deep-learned CNS tumour classification during surgery - Nature

1. 本研究の学術的背景、研究課題の核心をなす学術的「問い」は、中枢神経系腫瘍の診断において、脳神経外科医が患者への手術の前に正確な腫瘍タイプを把握する事が困難であるという問題です。既存の診断手段は意図したとおりの結果を必ずしも得られず、間違った場合もあります。

2. 本研究の目的は、中枢神経系腫瘍の分子サブクラスの特定を可能にするための、患者非依存のニューラルネットワーク「Sturgeon」を開発することで、中枢神経系腫瘍診断の精度と効率を向上させます。これは、低コストの手術中のシーケンスを基にした機械学習による診断が、神経外科の意思決定を支援し、潜在的な神経学的合併症の予防と追加の手術の避ける可能性があるという意義があります。

3. 本研究の着想は、現行の手術と診断のプロセスに改善の余地があると認識したことから生まれました。中枢神経系の腫瘍の手術において腫瘍の種類により最適な手術の選択が異なるという事実を踏まえ、手術の前に腫瘍の種類を正確に知る必要性がありました。

4. 本研究では、中枢神経系腫瘍の分子サブクラスを特定するための「Sturgeon」というニューラルネットワークを開発し、手術中にシーケンスを始めてから40分以内に正確な診断を迅速に提供することができることを示しました。

5. 本研究の有効性は、リアルタイムで手術中に「Sturgeon」を用いて25件の手術を実施し、そのうち18件（72％）の診断が正確であったことから検証されました。