人工知能支援下デジタルパソロジー解析による，早期大腸癌の治療戦略

大腸癌は早期に発見し適切に治療すれば生存率が向上する疾患である．特に早期大腸癌におけるリンパ節転移リスクの正確な評価は，内視鏡治療か外科手術かの治療選択，および予後を左右する重要な要素となる．しかし，転移リスクの予測精度や病理診断の再現性には課題が残されている．近年，AIとデジタルパソロジー技術が注目されており，これらの課題を克服し，より高精度かつ再現性の高いリスク評価が可能になることが期待されている．実際に，筆者らの研究においてAIモデルによる早期大腸癌のリンパ節転移リスク予測は，現行のガイドラインを上回る精度を示している．今後は多施設共同研究や前向き研究を通じて外的検証を行い，AIモデルの...

Full description

Saved in:
Bibliographic Details
Published in昭和医科大学雑誌 Vol. 85; no. 3; pp. 199 - 203
Main Authors 若村, 邦彦, 三澤, 将史, 椎名, 脩, 一政, 克朗, 工藤, 進英, 森田, 友梨子, 林, 武雅, 仙波, 重則, 高階, 祐輝, 櫻井, 達也, 根本, 哲生, 澤田, 成彦, 神山, 勇太, 馬場, 俊之
Format Journal Article
LanguageJapanese
Published 昭和医科大学学士会 2025
Subjects
デジタルパソロジー
人工知能
内視鏡治療
早期大腸癌
Online AccessGet full text
ISSN2759-8144
2759-8152
DOI10.14930/jsmu.85.3_199

Cover

Abstract 大腸癌は早期に発見し適切に治療すれば生存率が向上する疾患である．特に早期大腸癌におけるリンパ節転移リスクの正確な評価は，内視鏡治療か外科手術かの治療選択，および予後を左右する重要な要素となる．しかし，転移リスクの予測精度や病理診断の再現性には課題が残されている．近年，AIとデジタルパソロジー技術が注目されており，これらの課題を克服し，より高精度かつ再現性の高いリスク評価が可能になることが期待されている．実際に，筆者らの研究においてAIモデルによる早期大腸癌のリンパ節転移リスク予測は，現行のガイドラインを上回る精度を示している．今後は多施設共同研究や前向き研究を通じて外的検証を行い，AIモデルの精度向上を図る必要がある．さらに，研究開発の進展によって，この技術が一層向上し，大腸癌患者の予後改善に貢献することが期待される．
AbstractList 大腸癌は早期に発見し適切に治療すれば生存率が向上する疾患である．特に早期大腸癌におけるリンパ節転移リスクの正確な評価は，内視鏡治療か外科手術かの治療選択，および予後を左右する重要な要素となる．しかし，転移リスクの予測精度や病理診断の再現性には課題が残されている．近年，AIとデジタルパソロジー技術が注目されており，これらの課題を克服し，より高精度かつ再現性の高いリスク評価が可能になることが期待されている．実際に，筆者らの研究においてAIモデルによる早期大腸癌のリンパ節転移リスク予測は，現行のガイドラインを上回る精度を示している．今後は多施設共同研究や前向き研究を通じて外的検証を行い，AIモデルの精度向上を図る必要がある．さらに，研究開発の進展によって，この技術が一層向上し，大腸癌患者の予後改善に貢献することが期待される．
Author 一政, 克朗
三澤, 将史
椎名, 脩
林, 武雅
根本, 哲生
工藤, 進英
森田, 友梨子
馬場, 俊之
高階, 祐輝
若村, 邦彦
仙波, 重則
櫻井, 達也
澤田, 成彦
神山, 勇太
Author_xml – sequence: 1
  fullname: 若村, 邦彦
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 三澤, 将史
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 椎名, 脩
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 一政, 克朗
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 工藤, 進英
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 森田, 友梨子
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 林, 武雅
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 仙波, 重則
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 高階, 祐輝
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 櫻井, 達也
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 根本, 哲生
  organization: 昭和医科大学横浜市北部病院臨床病理診断科
– sequence: 1
  fullname: 澤田, 成彦
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 神山, 勇太
  organization: 昭和医科大学横浜市北部病院消化器センター
– sequence: 1
  fullname: 馬場, 俊之
  organization: 昭和医科大学横浜市北部病院消化器センター
BookMark eNo9kE9LAkEAxYcwyMxr32Jt1pl1Zy5BSH8EoUudp9nd2XJRi107dHSXSFCooAgh8lAmIRVEkJjShxnd9dZXKCm8vPd4D97htwhi5cOyAGBZhSkVUwRXHK90nCJaCjGV0jkQT-saVYiqpWOzjPECSHpewYAa0TGmFMbB3qjfH3-0o1Z7EgzDq9fw_H3Uq8vgTPo96X_JoCuDS-kPZfA8bYLBpHMf3l3Ialf6NenXvweN8OYpvG2NHzqT017UbMjqS_j2GTX9sPYYXbeXwLzNi55I_nsC7G6s72S3lPz2Zi67llccVSdc4UgVRNi6llER0SGHlmlQi1CBqWVCU3CLYqRhaGUQFZYghFJuc4iNDDVM2yQoAVb_fh2vwvcFO3ILJe6eMO5WCmZRsCkfRjSGpvKLaDaYB9xlDkc_VNuGSw
ContentType Journal Article
Copyright 2025 昭和医科大学学士会
Copyright_xml – notice: 2025 昭和医科大学学士会
DOI 10.14930/jsmu.85.3_199
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
EISSN 2759-8152
EndPage 203
ExternalDocumentID article_jsmu_85_3_85_199_article_char_ja
GroupedDBID M~E
ID FETCH-LOGICAL-j178a-a31e8ef75613870a0dcb9d89e49dc0cead943540d639ede8899afa04b69bcfc83
ISSN 2759-8144
IngestDate Wed Sep 03 06:30:57 EDT 2025
IsDoiOpenAccess true
IsOpenAccess true
IsPeerReviewed false
IsScholarly false
Issue 3
Language Japanese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-j178a-a31e8ef75613870a0dcb9d89e49dc0cead943540d639ede8899afa04b69bcfc83
OpenAccessLink https://www.jstage.jst.go.jp/article/jsmu/85/3/85_199/_article/-char/ja
PageCount 5
ParticipantIDs jstage_primary_article_jsmu_85_3_85_199_article_char_ja
PublicationCentury 2000
PublicationDate 2025
PublicationDateYYYYMMDD 2025-01-01
PublicationDate_xml – year: 2025
  text: 2025
PublicationDecade 2020
PublicationTitle 昭和医科大学雑誌
PublicationTitleAlternate 昭和医大誌
PublicationYear 2025
Publisher 昭和医科大学学士会
Publisher_xml – name: 昭和医科大学学士会
References 8） Takashina Y, Kudo SE, Kouyama Y, et al. Whole slide image-based prediction of lymph node metastasis in T1 colorectal cancer using unsupervised artificial intelligence. Dig Endosc. 2023;35:902-908.
5） Kojima M, Puppa G, Kirsch R, et al. Blood and lymphatic vessel invasion in pT1 colorectal cancer: an international concordance study. J Clin Pathol. 2015;68:628-632.
10） Song JH, Hong Y, Kim ER, et al. Utility of artificial intelligence with deep learning of hematoxylin and eosin-stained whole slide images to predict lymph node metastasis in T1 colorectal cancer using endoscopically resected specimens; prediction of lymph node metastasis in T1 colorectal cancer. J Gastroenterol. 2022;57:654-66.
1） Ichimasa K, Kudo SE, Miyachi H, et al. Current problems and perspectives of pathological risk factors for lymph node metastasis in T1 colorectal cancer: systematic review. Dig Endosc. 2022;34:901-912.
3） Kudo SE, Ichimasa K, Villard B, et al. Artificial intelligence system to determine risk of T1 colorectal cancer metastasis to lymph node. Gastroenterology. 2021;160:1075-1084. e2.
7） Ichimasa K, Kudo SE, Lee JWJ, et al. “Pathologist-independent” strategy for T1 colorectal cancer after endoscopic resection. J Gastroenterol. 2022;57:815-816.
11） Brockmoeller S, Echle A, Ghaffari Laleh N, et al. Deep learning identifies inflamed fat as a risk factor for lymph node metastasis in early colorectal cancer. J Pathol. 2022;256:269-281.
2） Hashiguchi Y, Muro K, Saito Y, et al. Japanese Society for Cancer of the Colon and Rectum （JSCCR） guidelines 2019 for the treatment of colorectal cancer. Int J Clin Oncol. 2020;25:1-42.
6） Campanella G, Hanna MG, Geneslaw L, et al. Clinical-grade computational pathology using weakly supervised deep learning on whole slide images. Nat Med. 2019;25:1301-1309.
9） Takamatsu M, Yamamoto N, Kawachi H, et al. Prediction of lymph node metastasis in early colorectal cancer based on histologic images by artificial intelligence. Sci Rep. 2022;12:2963.
4） Ueno H, Hase K, Hashiguchi Y, et al. Novel risk factors for lymph node metastasis in early invasive colorectal cancer: a multi-institution pathology review. J Gastroenterol. 2014;49:1314-1323.
References_xml – reference: 11） Brockmoeller S, Echle A, Ghaffari Laleh N, et al. Deep learning identifies inflamed fat as a risk factor for lymph node metastasis in early colorectal cancer. J Pathol. 2022;256:269-281.
– reference: 10） Song JH, Hong Y, Kim ER, et al. Utility of artificial intelligence with deep learning of hematoxylin and eosin-stained whole slide images to predict lymph node metastasis in T1 colorectal cancer using endoscopically resected specimens; prediction of lymph node metastasis in T1 colorectal cancer. J Gastroenterol. 2022;57:654-66.
– reference: 4） Ueno H, Hase K, Hashiguchi Y, et al. Novel risk factors for lymph node metastasis in early invasive colorectal cancer: a multi-institution pathology review. J Gastroenterol. 2014;49:1314-1323.
– reference: 2） Hashiguchi Y, Muro K, Saito Y, et al. Japanese Society for Cancer of the Colon and Rectum （JSCCR） guidelines 2019 for the treatment of colorectal cancer. Int J Clin Oncol. 2020;25:1-42.
– reference: 5） Kojima M, Puppa G, Kirsch R, et al. Blood and lymphatic vessel invasion in pT1 colorectal cancer: an international concordance study. J Clin Pathol. 2015;68:628-632.
– reference: 6） Campanella G, Hanna MG, Geneslaw L, et al. Clinical-grade computational pathology using weakly supervised deep learning on whole slide images. Nat Med. 2019;25:1301-1309.
– reference: 3） Kudo SE, Ichimasa K, Villard B, et al. Artificial intelligence system to determine risk of T1 colorectal cancer metastasis to lymph node. Gastroenterology. 2021;160:1075-1084. e2.
– reference: 7） Ichimasa K, Kudo SE, Lee JWJ, et al. “Pathologist-independent” strategy for T1 colorectal cancer after endoscopic resection. J Gastroenterol. 2022;57:815-816.
– reference: 8） Takashina Y, Kudo SE, Kouyama Y, et al. Whole slide image-based prediction of lymph node metastasis in T1 colorectal cancer using unsupervised artificial intelligence. Dig Endosc. 2023;35:902-908.
– reference: 9） Takamatsu M, Yamamoto N, Kawachi H, et al. Prediction of lymph node metastasis in early colorectal cancer based on histologic images by artificial intelligence. Sci Rep. 2022;12:2963.
– reference: 1） Ichimasa K, Kudo SE, Miyachi H, et al. Current problems and perspectives of pathological risk factors for lymph node metastasis in T1 colorectal cancer: systematic review. Dig Endosc. 2022;34:901-912.
SSID ssib058744990
ssib058754845
ssib059973352
Score 1.9791343
Snippet ...
SourceID jstage
SourceType Publisher
StartPage 199
SubjectTerms デジタルパソロジー
人工知能
内視鏡治療
早期大腸癌
Title 人工知能支援下デジタルパソロジー解析による，早期大腸癌の治療戦略
URI https://www.jstage.jst.go.jp/article/jsmu/85/3/85_199/_article/-char/ja
Volume 85
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
ispartofPNX 昭和医科大学雑誌, 2025, Vol.85(3), pp.199-203
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3NaxQxFB9KvXgRRcVvCprj1vlIZpLjzO4sRainFnob5yN7WLCKbi8ehO4iFlpQQZGC2IPWIkUFESy1xT9m2tne_Bd8L5np7qqHWlhCNvm9j7w3My_JJBPDuOEmbsuBJ18ttmxZowKSmItWTUI0y6RIoA-P8x3Tt92pWXprjs2NjV8fWrW00Ekm00f_3FdyHK9CGfgVd8n-h2cPmUIB5MG_kIKHIT2Sj0lISeDjL2Qk8IjPSOgR0VQZTrhDggYJXSIo8ZuY4U0SUEUFtQEJHcRwT2VsLCwzzbLKrzDCqqoaVVVjlApk1VGoD2o4SmhIhKmqrIqPTXglAqU3kYTXFRiohMrUUX9ojk-RFbaCKRHQLqHAmmGI4ACkB1WVrRoICriqBDiw4Z63Ys6V2owIW7FimGoOIAvbeCiXIRJZCSICVQW0PuCrK1SpFihLA-MGQuBqRTxogoQMbeW7A7y2umplEKIchQeYSbjCo3fsAd5FDA-VvgBpaDywAA3Fn2zN0s_gupIt2A2NrE3qDc_u6D3g6k48rlWGM_oyoehM4Q8Ci-3pqV89kSOHy9hIZNSHKZVPAGcozFn6UKuyx2Srr1T8HYypcHD5avvh3YVJziad6JBs5APn5e0TIS7iLHIwAWhUVeD-w6gNg6ATtudZuG53-nFYBQ2G5zeIwate-A-D8MGrciaEh_sK8ZDJqt3lx1tRv5sj2kE3tA2DsmpBp-pjzpw2TpWDwwlfa3TGGGvHZ407e9vb-9_X-2vrB73d4uWX4tm3va3lvPc0727l3Z95bzPvvci7u3nvE5b0dg423hVvn-eLm3l3Ke8u_9pZKV5_LN6s7b_fOHiy1V9dyRc_F19_9Fe7xdKH_qv1c8ZsM5ypT9XKc1FqbcvjcS12LMlly8OxP4Tb2MzSRGRcSCqy1EwhNgiK07kZjD5kJjkXIm7FJk1ckaStlDvnjfH5e_PygjHBJFghSyxT4sRQmsXUSpgpHe5IymKaXDQ8bZDovv74TXRUb106NuVl4yTeCXqe84ox3nmwIK9Cz7-TXFOe_w2jkdpP
linkProvider ISSN International Centre
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E4%BA%BA%E5%B7%A5%E7%9F%A5%E8%83%BD%E6%94%AF%E6%8F%B4%E4%B8%8B%E3%83%87%E3%82%B8%E3%82%BF%E3%83%AB%E3%83%91%E3%82%BD%E3%83%AD%E3%82%B8%E3%83%BC%E8%A7%A3%E6%9E%90%E3%81%AB%E3%82%88%E3%82%8B%EF%BC%8C%E6%97%A9%E6%9C%9F%E5%A4%A7%E8%85%B8%E7%99%8C%E3%81%AE%E6%B2%BB%E7%99%82%E6%88%A6%E7%95%A5&rft.jtitle=%E6%98%AD%E5%92%8C%E5%8C%BB%E7%A7%91%E5%A4%A7%E5%AD%A6%E9%9B%91%E8%AA%8C&rft.au=%E8%8B%A5%E6%9D%91%2C+%E9%82%A6%E5%BD%A6&rft.au=%E4%B8%89%E6%BE%A4%2C+%E5%B0%86%E5%8F%B2&rft.au=%E6%A4%8E%E5%90%8D%2C+%E8%84%A9&rft.au=%E4%B8%80%E6%94%BF%2C+%E5%85%8B%E6%9C%97&rft.date=2025&rft.pub=%E6%98%AD%E5%92%8C%E5%8C%BB%E7%A7%91%E5%A4%A7%E5%AD%A6%E5%AD%A6%E5%A3%AB%E4%BC%9A&rft.issn=2759-8144&rft.eissn=2759-8152&rft.volume=85&rft.issue=3&rft.spage=199&rft.epage=203&rft_id=info:doi/10.14930%2Fjsmu.85.3_199&rft.externalDocID=article_jsmu_85_3_85_199_article_char_ja
thumbnail_l http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=2759-8144&client=summon
thumbnail_m http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=2759-8144&client=summon
thumbnail_s http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=2759-8144&client=summon