ユーザが選択したスライスに基づくローカライゼーションと対称性のテクニックを使用して,頭部CTの自動中線シフト検出
Nooriel E Banayan1, Hrithwik Shalu2, Vaios Hatzoglou3
1From the Department of Radiology (N.E.B., V.H., N.S., A.H., Z.Z., J.S.), Memorial Sloan Kettering Cancer Center, New York, New York Banayan1@mskcc.org.
AJNR. American journal of neuroradiology
|August 20, 2025
まとめ
この研究では,CTスキャンでミッドラインシフト (MLS) を検出するための人工知能 (AI) モデルを開発しました. AIはMLSの重症性を正確に特定し,分層化し,早期の臨床介入に役立ちます.
科学分野:
- 医学画像分析
- 放射線学における人工知能
- 神経病理の検出
背景:
- ミッドラインシフト (MLS) は,多くの場合,空間占有病変または外傷性脳損傷によって引き起こされる重大な頭蓋内移転です.
- 診断と介入の遅延は有害であるため,MLSの早期発見は患者のアウトカムにとって不可欠です.
- MLSの重症度を評価する際には,特にセプトム・ペルシドゥームが消去された場合,既存の方法は困難です.
研究 の 目的:
- 軽度から重度までの全スペクトルでミッドラインシフト (MLS) を検出できるディープラーニングアルゴリズムを開発する.
- MLSの重症な症例で消去されるセプトム・ペルシドムに依存する伝統的な方法の限界に対処するためです.
- 患者のCTスキャンでMLSを迅速かつ正確に識別するためのAIツールを作成する.
主な方法:
- 多様な脳疾患の 981人の患者のCTスキャンを用いた
- 選択された個々のCTスライスで,視界の側室を持つものを優先します.
- 横の心室と頭蓋骨軸のミッドラインを特定するために,400のアノテッドスキャンの上でオブジェクト検出モデル (YOLO) を訓練しました.
主要な成果:
- AIモデルは,MLS検出の曲線下の面積 (AUC) を0.79を達成しました.
- MLSの重度の差異化において,0. 73の感度と0. 72の特異性を示した.
- このモデルは中等重症と重症のMLSを効果的に捉え 軽症と正常な症例を区別しました
結論:
- 人工知能モデルが開発され,CTスキャンで側心室と脳の中央線を確実に特定することができました.
- このモデルは,臨床的に有意なMLSを正確に特定し,層分けし,新発症と非新発症の症例を区別します.
- このAIツールは緊急の症例の審査を早めるための統合された臨床システムの基盤として機能する可能性があります.
