脊髄転移画像における人工知能の応用と性能:体系的なレビュー
Vivek Sanker1, Poorvikha Gowda2, Alexander Thaller3
1Department of Neurosurgery, Stanford University, Palo Alto, CA 94305, USA.
Journal of clinical medicine
|August 28, 2025
まとめ
人工知能 (AI) は,マルチモダル画像を用いて様々な癌の脊髄転移を検出する見込みを示しています. AIモデルはトレーニングと内部検証で高い精度を示していますが,強力な外部検証と臨床統合にはさらなる研究が必要です.
科学分野:
- 腫瘍学
- 放射線科
- 医療用イメージング
- 人工知能
背景:
- 脊髄転移は がんの頻繁な合併症で 診断に問題があります
- 現在の手作業の検出方法は高価で非効率です
- 人工知能 (AI) とコンピュータ・アイド・検出 (CAD) は,腫瘍学的イメージングの潜在的改善を提供します.
研究 の 目的:
- 様々な画像技術における脊髄転移の診断における AI の現在の応用を検討し,評価する.
- 脊髄転移の検出と特徴づけにおけるAIの役割に関する既存の文献からの発見を合成する.
主な方法:
- 2007年から2024年の間に発表された研究の体系的なレビューとメタ解析.
- 関連するキーワードを使って主要なデータベース (PubMed,Scopus,Web of Science,Cochrane,Embase) で検索した.
- AIモデルの性能指標 (AUC,精度,感度,特異性) とバイアスのリスクを分析した39件の研究 (6267人の患者) を含む.
主要な成果:
- AIモデルは,高い加重平均AUCを達成しました: 0. 971 (トレーニング),0. 947 (内部検証),0. 819 (外部検証).
- 肺がん,乳がん,前立腺がんは 最も一般的な原発性腫瘍でした.
- 主に外部検証不足とオーバーフィットによるバイアスのリスク (56%) が確認された.
結論:
- AIは,脊髄転移病変の検出,セグメンテーション,および特徴づけを改善する大きな可能性を示しています.
- 将来の研究は,より大きく多様なデータセットと将来的な検証を使用して,一般化可能なAIモデルの開発を優先する必要があります.
- 臨床データと画像データの統合は,脊髄転移の管理におけるAIの臨床的有用性を実証するために不可欠です.
