北米の大規模な前向きコホート研究では、MRI ベースの機械学習ツールであるパーキンソン病の自動画像鑑別が、パーキンソン病と多系統萎縮および進行性核上性麻痺を確実に区別でき、事前に定義された診断エンドポイントを満たし、神経病理学との強い一致を示すことが判明しました。この研究は、AI 支援イメージングが近い将来、複雑なパーキンソン病のより早期でより正確な診断経路に有意義に貢献する可能性があるという重要な再確認を提供します。
この研究は、2021年から2024年にかけてパーキンソン研究グループの21の施設で実施され、盲検運動障害専門医3名によるコンセンサス診断を受けた厳密に表現型解析された患者249人が登録された。モデルトレーニングを強化するために、396 人の患者からなる遡及的コホートが追加されました。 3 T での拡散 MRI はサポート ベクター機械学習を使用して分析され、独立したテスト セットが現実世界のパフォーマンスを評価しました。
パーキンソン病の自動画像鑑別は、パーキンソン病対非定型パーキンソン病（AUROC 0.96）、多系統萎縮対進行性核上性麻痺（0.98）、パーキンソン病対多系統萎縮症（0.98）、パーキンソン病対進行性核上性麻痺（0.98）という高い識別精度を達成しました。
予測値も同様に強力で、比較に応じて PPV は最大 0.98、NPV は最大 0.98 でした。剖検症例のサブセットでは、画像ベースの予測 49 件中 46 件が死後の神経病理と一致し、確実な生物学的妥当性が示されました。
AI パフォーマンスが診断精密検査での臨床使用をサポート
この研究結果は、パーキンソン病の自動画像鑑別が、重複する運動症候群に直面する臨床医を有意義に支援できる可能性があることを示唆しており、早期の鑑別がカウンセリング、予後、試験への登録に影響を与える可能性がある。著者らは、このツールはスタンドアロンの診断ではないものの、将来を見据えた現実世界のコホートにおけるそのパフォーマンスにより、高度なイメージング AI パイプラインを専門家の評価に組み込む理論的根拠が強化されると指摘しています。
この研究はまた、非定型パーキンソン病における機械学習 MRI バイオマーカーの最大規模の前向き検証の 1 つを提供します。今後の研究では、地域社会における一般化可能性をテストし、パーキンソン病の自動画像鑑別がリスクのある患者の表現型変換の早期特定をサポートできるかどうかを評価する予定です。
参照
デビッド E et al.パーキンソン病の自動画像鑑別。 JAMAニューロール。 2025;DOI:10.1001/jamaneurol.2025.0112。
1764700482
#によりパーキンソン病の診断における #MRI #の精度が向上
2025-12-02 14:05:00