1762916614
2025-11-12 02:15:00
サウサンプトン大学の研究者らは、専門の放射線科医よりも患者の気道に詰まった見えにくい物体を発見できる人工知能（AI）ツールを開発した。
で発表された研究では、 npjデジタルメディシン、 AI モデルは、CT スキャンでスキャンによく写らない対象物をチェックする点で、放射線科医を上回りました。
これらの物体を誤って吸い込むと、咳、窒息、呼吸困難を引き起こす可能性があり、適切に治療しないとさらに重篤な合併症を引き起こす場合があります。
この研究結果は、医師が複雑で生命を脅かす可能性のある症状を診断する際に AI がどのようにサポートできるかを浮き彫りにしています。
この研究は、サウサンプトン大学のイーフア・ワン博士、ゼホル・ベルハティール博士、ロブ・ユーイング教授が中国・武漢の研究者と協力して主導した。
「これらの物体は非常に微妙で、経験豊富な臨床医であっても見逃しやすいものです」と、この研究の共同筆頭著者であるサウサンプトン大学の博士研究員 Zhe Chen 氏は述べた。
「当社の AI モデルは第 2 の目のように機能し、放射線科医がこれらの隠れた症例をより早期に、より確実に検出できるように支援します。」
異物誤嚥 (FBA) は、物体 (多くの場合、食べ物や小さな材料片) が気道に詰まると発生します。
植物材料やザリガニの殻などの物体が X 線透過性 (X 線では見えず、CT スキャンでもかすかに見える) である場合、検出が非常に困難になることがあります。これにより診断が見逃されたり診断が遅れたりすることが多く、患者は重篤な合併症のリスクにさらされます。成人のFBA症例の最大75パーセントにはX線透過性異物が関与しています。
この課題に対処するために、研究チームは深層学習モデルを作成しました。これは、高精度気道マッピング技術 (MedpSeg) と、CT 画像を分析して異物の隠れた兆候を見つけるニューラル ネットワークを組み合わせたものです。
このモデルは、中国の病院と協力して、400 人を超える患者で構成される 3 つの独立した患者グループを使用してトレーニングおよびテストされました。
このモデルをテストするために、研究者らはその性能を、それぞれ 10 年以上の臨床経験を持つ 3 人の専門放射線科医の性能と比較しました。この課題は、70 件の CT スキャンを検査することであり、そのうち 14 件は X 線透過性 FBA の症例であり、気管支鏡検査によって確認されました。
放射線科医が X 線透過性 FBA の症例を検出したとき、彼らは完全な精度で検出し、偽陽性はありませんでした。比較すると、AI モデルは 77% の精度で検出を行い、一部の誤検知を検出しました。
しかし、放射線科医はFBA症例の大部分を見逃しており、特定したのはわずか36パーセントであり、人間がそのような症例を発見するのが難しいことを浮き彫りにしました。一方、AI モデルはケースの 71% を特定できました。これは、ネットをすり抜けた FBA ケースがはるかに少ないことを意味します。
精度と再現率のバランスをとった F1 スコアでは、モデルは 74 パーセント対 53 パーセントのスコアで放射線科医を上回りました。
この結果は、特に標準的な画像診断では診断が難しい症状に対して、医療における AI の現実的な可能性を示しています。」
Yihua Wang博士、研究の筆頭著者
研究者らは、このシステムは放射線科医の代わりではなく支援するように設計されており、複雑な症例や不確実な症例にさらなる信頼を提供することを強調しています。
研究者らは現在、モデルを改善し、偏見のリスクを軽減するために、より大規模で多様な集団を対象とした多施設研究を実施することを目指している。
紙 深層学習を使用した胸部CT上のX線透過性異物誤嚥の自動検出 に掲載されています npjデジタルメディシン オンラインで入手可能です。
この研究は英国医学研究評議会と中国奨学会の支援を受けた。
ソース：
参考雑誌:
#人工知能により目に見えない気道閉塞の診断が改善される