論文の概要: Cyst-X: A Federated AI System Outperforms Clinical Guidelines to Detect Pancreatic Cancer Precursors and Reduce Unnecessary Surgery

• arxiv url: http://arxiv.org/abs/2507.22017v3
• Date: Fri, 07 Nov 2025 14:59:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 18:58:55.540001
• Title: Cyst-X: A Federated AI System Outperforms Clinical Guidelines to Detect Pancreatic Cancer Precursors and Reduce Unnecessary Surgery
• Title（参考訳）: Cyst-X: 膵癌前駆体の検出と不必要な手術の軽減のための臨床ガイドラインを上回るAIシステム
• Authors: Hongyi Pan, Gorkem Durak, Elif Keles, Deniz Seyithanoglu, Zheyuan Zhang, Alpay Medetalibeyoglu, Halil Ertugrul Aktas, Andrea Mia Bejar, Ziliang Hong, Yavuz Taktak, Gulbiz Dagoglu Kartal, Mehmet Sukru Erturk, Timurhan Cebeci, Maria Jaramillo Gonzalez, Yury Velichko, Lili Zhao, Emil Agarunov, Federica Proietto Salanitri, Concetto Spampinato, Pallavi Tiwari, Ziyue Xu, Sachin Jambawalikar, Ivo G. Schoots, Marco J. Bruno, Chenchan Huang, Candice W. Bolan, Tamas Gonda, Frank H. Miller, Rajesh N. Keswani, Michael B. Wallace, Ulas Bagci,
• Abstract要約: Cyst-Xは、764人の患者の1,461のMRIスキャンのユニークなマルチセンターデータセットに基づいてトレーニングされたIPMNリスク予測のためのAIフレームワークである。 Cystic-Xは、確立された京都のガイドラインと専門家の放射線技師よりはるかに高い精度(AUC = 0.82)を達成する。 Cystic-Xは膵嚢胞分析のための最初の大規模なマルチセンターMRIリソースを提供する。
• 参考スコア（独自算出の注目度）: 17.390996506076004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pancreatic cancer is projected to be the second-deadliest cancer by 2030, making early detection critical. Intraductal papillary mucinous neoplasms (IPMNs), key cancer precursors, present a clinical dilemma, as current guidelines struggle to stratify malignancy risk, leading to unnecessary surgeries or missed diagnoses. Here, we developed Cyst-X, an AI framework for IPMN risk prediction trained on a unique, multi-center dataset of 1,461 MRI scans from 764 patients. Cyst-X achieves significantly higher accuracy (AUC = 0.82) than both the established Kyoto guidelines (AUC = 0.75) and expert radiologists, particularly in correct identification of high-risk lesions. Clinically, this translates to a 20% increase in cancer detection sensitivity (87.8% vs. 64.1%) for high-risk lesions. We demonstrate that this performance is maintained in a federated learning setting, allowing for collaborative model training without compromising patient privacy. To accelerate research in early pancreatic cancer detection, we publicly release the Cyst-X dataset and models, providing the first large-scale, multi-center MRI resource for pancreatic cyst analysis.
• Abstract（参考訳）: 膵癌は2030年までに2番目に死亡率の高いがんであると予測されており、早期発見が重要である。 乳頭内乳頭粘液性腫瘍 (IPMNs) は, 悪性度リスクの階層化に苦慮し, 不要な手術や診断の欠如につながるため, 臨床ジレンマを呈する。 そこで我々は、764人の患者から1,461個のMRIスキャンのユニークなマルチセンターデータセットに基づいてトレーニングされたIMMNリスク予測のためのAIフレームワークであるCyst-Xを開発した。 Cyst-Xは、確立された京都ガイドライン(AUC = 0.75)と専門放射線技師(特に高リスク病変の正確な同定)よりも、はるかに高い精度(AUC = 0.82)を達成している。 臨床的には、高リスク病変に対する癌検出感度(87.8%対64.1%)が20%上昇する。 この性能は, 患者プライバシを損なうことなく協調的なモデルトレーニングを可能にする, 連合学習環境において維持されていることを実証する。 膵癌早期発見の研究を加速するため,我々はCyst-Xデータセットとモデルを公開した。

関連論文リスト

• Multimodal MRI-Ultrasound AI for Prostate Cancer Detection Outperforms Radiologist MRI Interpretation: A Multi-Center Study [2.493694664727448]
  前立腺病変に対するMRI(pre-biopsy magnetic resonance imaging)の使用が増えている。 MRIで検出された病変は生検中に経直腸超音波(TRUS)画像にマッピングされなければならず、臨床上有意な前立腺癌(CsPCa)を発症する。 本研究では、MRIとTRUS画像シーケンスを統合したマルチモーダルAIフレームワークを体系的に評価し、CsPCa識別を向上する。
  論文  参考訳（メタデータ） (2025-01-31T20:04:20Z)
• Enhancing Trust in Clinically Significant Prostate Cancer Prediction with Multiple Magnetic Resonance Imaging Modalities [61.36288157482697]
  米国では、前立腺がんが男性の死因としては2番目に多く、2024年には35,250人が死亡している。 本稿では,複数のMRIモダリティを組み合わせて深層学習モデルを訓練し,臨床的に有意な前立腺癌予測のためのモデルの信頼性を高めることを検討する。
  論文  参考訳（メタデータ） (2024-11-07T12:48:27Z)
• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• A dataset of primary nasopharyngeal carcinoma MRI with multi-modalities segmentation [22.870118207429904]
  このデータセットは、T1重み付き、T2重み付き、およびコントラスト強化T1重み付きシーケンスを含み、合計で831スキャンである。 対応する臨床データに加えて、経験者による手動注釈とラベル付きセグメンテーションは、未処理の一次NPCから高品質なデータ資源を提供する。
  論文  参考訳（メタデータ） (2024-04-04T07:19:31Z)
• Leveraging Transformers to Improve Breast Cancer Classification and Risk Assessment with Multi-modal and Longitudinal Data [3.982926115291704]
  マルチモーダルトランス (MMT) はマンモグラフィーと超音波を相乗的に利用するニューラルネットワークである。 MMTは、現在の検査と以前の画像を比較することで、時間的組織変化を追跡する。 5年間のリスク予測では、MMTはAUROCの0.826を達成し、従来のマンモグラフィーベースのリスクモデルより優れている。
  論文  参考訳（メタデータ） (2023-11-06T16:01:42Z)
• Radiomics Boosts Deep Learning Model for IPMN Classification [3.4659499358648675]
  膵管内乳頭粘液性腫瘍 (IPMN) の嚢胞は術前膵管病変であり,膵癌に進展する可能性がある。 本研究では,MRIスキャンからIPMNリスク分類のための新しいコンピュータ支援診断パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-09-11T22:41:52Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• CorrSigNet: Learning CORRelated Prostate Cancer SIGnatures from Radiology and Pathology Images for Improved Computer Aided Diagnosis [1.63324350193061]
  我々はMRIで前立腺癌を局所化する2段階自動モデルであるCorrSigNetを提案する。 まず,病理組織学的特徴と相関するがんのMRI所見を学習する。 第二に、このモデルは、学習した相関MRI機能を使用して、前立腺がんの局所化のために畳み込みニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2020-07-31T23:44:25Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。