【目的】マンモグラフィの診断に影響を及ぼす手技的因子として，乳腺を十分に拡げる項目がある．乳がんの画像所見の1つとして局所的非対称性陰性（FAD）があるが，ポジショニング時に十分に乳腺が拡げられなかったことにより，偽のFADが描出され精密検査となる偽陽性例が問題となっている．乳腺の拡がりは過去画像を参照し，比較して判断することが多いが，個人によって評価にばらつきがある．本研究では，マンモグラフィにおける乳腺の拡がりについて、機械学習を用いて評価できるか検証した．
【方法】健診施設で撮影されたマンモグラフィでFADが疑われ要精密検査になり，精密検査施設において撮影されたマンモグラフィ44症例のJPEG画像（CC画像：36枚，MLO画像：108枚）を対象とした．計144枚のうち乳腺伸展不良は72枚，乳腺伸展良好は72枚であった．マトリクスサイズ300 x 420 の画像とした．乳腺ならびに乳房表面皮ふが含まれるようにしきい値を設定し、ROIを作成した．ROIに対して、242の画像特徴量を抽出した．データは標準化，特徴ランク付けによる選択の前処理を行った後，検証データ130，検定データ14とし，主成分分析，5分割検証による機械学習を行った．機械学習の種類は決定木など8つの異なる方法を試行した．
【結果】機械学習の結果，2次判別の精度88.46％，AUC：0.89が最も良好であった．【考察】本研究では， 正常例のみで学習さているため，腫瘍等があった場合には，乳腺の広がりを判定できるかの検証が必要である．また，主成分分析のコンポーネントが17と若干多く、特徴量選択の手法を検討し、学習用の特徴量を減らす検討が必要ある．