がん診断技術：食道腺がん早期発見のために行うトリアージ主導型で深層学習を用いるバレット食道の診断

深層学習という手法は、診断業務で優れた性能を実現することが示されているが、この手法を専門家の知識や既存の臨床的意思決定経路と最適に組み合わせる方法は、いまだに解決されていない難問である。がんの早期発見ではこの問題は特に重要であり、大量のワークフローが（半）自動化された解析から恩恵を受ける可能性がある。本論文では、食道腺がんの主な前駆状態であるバレット食道を検出するため、内視鏡検査の低侵襲性代替法であるCytosponge-TFF3検査の試料解析を行う深層学習フレームワークを示す。我々はこのフレームワークを訓練し、2つの臨床試験のデータについて独立に検証を行い、2331人の患者からの総計4662枚の病理スライドを解析した。我々の手法は、胃腸科病理医の決定パターンを使っていて、専門家によるマニュアルでの評価のために優先度の異なる8つのトリアージクラスを定めている。優先度の低いクラスでは専門家のマニュアルでの評価を自動化された評価に置き換えることで、病理医の作業量を57％削減でき、その一方で診断能力は経験豊富な病理医に匹敵するものとなった。