原題
Ancestry-Associated Performance Variability of Open-Source AI Models for EGFR Prediction in Lung Cancer.
背景:AIはH&Eスライドから実行可能な突然変異を予測することができるが、コホート、祖先、および標本タイプにわたる一般化可能性は不明である。
方法:2つのオープンソースAI病理モデルは、対になったNGSを用いて2つのLUADコホート(DFCI n=1759、TNM I n=339)におけるEGFR状態を予測した;祖先が推定され、主要な測定基準はAUCであった。
結果:1つのモデルは他のモデルよりも優れていた(DFCI AUC 0.83対0.68;TNM I 0.81対0.75)。祖先別:ヨーロッパ人0.84人、アフリカ人0.85人、アジア人0.68人。サンプル別:肺0.86人、胸膜0.66人。AIトリアージにより、感度0.84および特異度0.99を維持しながら、迅速EGFR検査を57%削減することができた。
結論:AIはLUADにおけるEGFR予測の有用な補助となる可能性があるが、祖先および標本に依存する変動性には注意が必要である。
Journal: JAMA Oncol (CiteScore 2022: 44.3)
DOI: 10.1001/jamaoncol.2025.6430
PMID: 41678173
コメント