【06/03】Breast & Gynecological Ultrasound 論文ピックアップ
【PR】本記事はプロモーションが含まれています
LINA’s Paper Pick
本日のテーマ：Breast & Gynecological Ultrasound
PubMedの最新論文から、現場に役立つ3本をLINAがピックアップしてお届けします。
今日のピックアップ一覧
- カナダ放射線医学会（CAR）による乳房画像診断・インターベンション診療ガイドライン：乳房超音波検査
- 高濃度乳腺の女性に対するマンモグラフィ検診への超音波検査の併用
- データセットシフト下における乳房超音波AI：患者リークを考慮したベンチマーク
1
カナダ放射線医学会（CAR）による乳房画像診断・インターベンション診療ガイドライン：乳房超音波検査
4エビデンスレベル 4：症例報告・専門家意見
Review Article 📌 Key Points
- 乳房超音波検査の診断的役割、追加的なスクリーニング、インターベンションにおける適用基準を網羅的に提示。
- ハンドヘルド型（手動）および自動乳房全超音波検査（ABUS）の技術要件と品質管理基準を明確化。
- BI-RADSを用いた構造化レポートの作成や、腋窩評価、マルチモダリティによる診断統合の重要性を強調。
- 地域ごとの医療資源や専門性を考慮しつつ、標準化された最適診療プロトコルを策定。
本ガイドラインは乳房超音波検査の標準的な質を担保する指針となり、今後はAI技術を統合した診断精度向上や、画像統合レポートの普及による臨床意思決定の迅速化に繋がります。
📚 関連する日本のガイドライン
- 日本乳癌学会 乳癌診療ガイドライン
| 著者 | Fienberg Samantha, Crivellaro Priscila Sacilotto, Fleming Rachel, Koberstein Wade, Kornecki Anat, Mnyusiwalla Anisa, Zahra Saly, Flegg Carolyn |
|---|---|
| 所属 | Ontario Health/Ontario Breast Screening Program (OH/OBSP), Lakeridge Health, Oshawa, ON, Canada. |
| 雑誌 / 年 | Can Assoc Radiol J (2026) |
| リンク | PMID: 42198835 | DOI: 10.1177/08465371261451256 |
2
高濃度乳腺の女性に対するマンモグラフィ検診への超音波検査の併用
2エビデンスレベル 2：RCT（ランダム化比較試験）
Original Article 📌 Key Points
- 高濃度乳腺の女性において、マンモグラフィに超音波検査（S-US）を追加することで、がん発見率が有意に向上した（10.7/1000 vs 7.2/1000）。
- 一方で、S-USの追加は再検率、生検率、短期間フォローアップ率の増加という偽陽性の増加を伴った。
- 本研究は、大規模な前向き対照試験により、高濃度乳腺に対する個別化検診の有効性と課題を浮き彫りにした。
- 今後はリソースの最適化を図るため、より精度の高いリスク層別化が必要である。
この知見は、高濃度乳腺における個別化スクリーニングの重要性を示す一方で、偽陽性抑制とリソース管理という次なる課題を提示しており、AI等を活用したリスク層別化のさらなる発展が期待されます。
📚 関連する日本のガイドライン
- 日本乳癌学会 患者さんのための乳癌診療ガイドライン
| 著者 | Heywang-Köbrunner Sylvia H, Elsner Susanne A, Haußmann Eva, Hacker Astrid, Grieger Paula, Hadwiger Moritz, Hertlein Michael, Katalinic Alexander |
|---|---|
| 所属 | Referenzzentrum Mammographie München, Sonnenstraße 29, 80331 Munich, Germany. |
| 雑誌 / 年 | Cancers (Basel) (2026) |
| リンク | PMID: 42192990 | DOI: 10.3390/cancers18101631 | PMC13205084 (全文) |
3
データセットシフト下における乳房超音波AI：患者リークを考慮したベンチマーク
3エビデンスレベル 3：コホート研究・症例対照研究
Original Article 📌 Key Points
- 乳房超音波AIモデルの臨床実装に向け、データセットの異質性に起因する「データセットシフト」の影響を評価するベンチマークを構築した。
- 患者単位でのデータ分割を行い、従来の学習手法において外部データセットでの推論性能が大きく低下することを確認した。
- ROI（関心領域）入力の使用が特にVision Transformerにおいて外部精度を大幅に向上させ、全体画像入力よりも汎用性が高いことを実証した。
- 温度スケーリングによるキャリブレーション補正が、確率予測の信頼性と妥当性の向上に寄与することを明らかにした。
本研究は、AIモデルが臨床現場の多様な撮影条件に対応するための評価基準を確立するものであり、将来的なAIの医療機器承認申請における堅牢性評価の指標となる。
📚 関連する日本のガイドライン
- 日本医学放射線学会・日本乳癌学会：乳房超音波診断ガイドライン
| 著者 | Wang Lulu |
|---|---|
| 所属 | Department of Engineering, Reykjavik University, 102 Reykjavik, Iceland. |
| 雑誌 / 年 | Diagnostics (Basel) (2026) |
| リンク | PMID: 42196903 | DOI: 10.3390/diagnostics16101537 | PMC13206445 (全文) |
