4-IN-THE-LUNG-RUN肺がんスクリーニング試験におけるAI一次読影の実現可能性：陰性誤分類と臨床紹介率への影響

概要

3,678件のベースラインLDCTで、AI一次読影は放射線科医に比べ陰性誤分類を著明に減らし（0.8%対11.1%）、見逃し紹介も低減した（2.9%対11.8%）。これにより、肺がんスクリーニングにおけるAI一次読影による安全な陰性ふるい落としと読影負荷軽減の有用性が支持される。

主要発見

• 3,678件のベースラインLDCTにおいて、AIの陰性誤分類は31例（0.8%）、放射線科医は407例（11.1%）であった。
• 一次読影がAIであれば見逃し紹介は3/102（2.9%）、放射線科医では12/102（11.8%）と低かった。
• AIは陰性例の独立ふるい落としを達成し、見逃し紹介のリスクを大きく増やさず、一次読影フィルターとしての実現可能性を支持した。

臨床的意義

スクリーニングプログラムはベースラインLDCTでAI一次読影による陰性ふるい落としを導入し、放射線科医のリソースを要精査例に集中させ、紹介判断の標準化に資することができる。

限界

• 単一AI製品・ベースラインのみの評価であり、外的妥当性や長期アウトカムは未検討。
• 運用上の閾値や定義（例：陰性誤分類の基準）はプログラム間で異なる可能性がある。

今後の方向性

AI一次読影経路と標準診療を前向きに比較し、発見率、業務量、費用対効果、患者アウトカムへの影響を多様な環境で検証する実装研究。