医学画像診断の分野において、脳動脈瘤の検出は長年の課題でした。しかし最近、深層学習に基づくモデルが開発され、放射線科医にとって強力な支援ツールとなりました。この技術は、脳動脈瘤の検出率向上だけでなく、画像診断と後処理時間の大幅な短縮にも貢献します。研究者らは、このツールが臨床ワークフローの改善と脳動脈瘤診断の向上に大きな可能性を秘めていると述べています。

脳動脈瘤の迅速かつ正確な診断は、適切な治療戦略の開始、患者転帰の最適化、そしてこの疾患が個人と医療システムにもたらす影響の軽減に不可欠です。そのため、効率的な診断ツールの開発が非常に重要になります。

AI医療 医師 人工知能

画像出典：AI生成画像、画像ライセンス提供元Midjourney

河北大学附属病院放射線科のJianing Wang博士率いる研究チームは、約4000人の患者データを用いてモデルの学習を行い、さらに484人の患者でテストを行いました。分析では、10人の放射線科医に、モデルの支援あり・なしの両方で各症例を診断させ、モデル単体の性能についても別途評価を行いました。

放射線科医がこのツールを使用した場合、診断と後処理時間はそれぞれ37.2％と90.8％減少しました。初期研修医の場合、モデルの支援によりAUC（曲線下面積）は0.842から0.881に、上級医の場合、0.853から0.895に向上しました。病変と患者レベルの感度も深層学習支援によって向上し、患者レベルの特異度も改善されました。

頭蓋内血管の複雑さを考慮すると、CTA（コンピュータ断層撮影血管造影）に基づく動脈瘤検出は、時間のかかる困難な作業です。さらに、CTA検査の需要増加は放射線科医の疲労につながる可能性があり、画像診断の主観性と相まって、診断の正確性に影響を与えることがよくあります。

研究チームは、開発したツールが、深層学習に基づくモデルが様々な検査に適応できることを示す証拠を提供していると付け加えています。なぜなら、彼らのモデルは幅広い検査で正確であるからです。これは、深層学習ツールに一般的に存在する汎化性の問題を解決しています。同様のモデルは、迅速な診断が重要な状況において経験の少ない読影医にとって特に役立つ可能性があります。