ヒルシュプルング病の新しいAIベースの診断モデルの開発と臨床評価

科学分野:

• 小児胃腸内科
• 医学画像分析
• 医療における人工知能

背景:

• ヒルシュプルング病 (HD) の診断は伝統的に侵襲的な方法に依存しています.
• コントラストクリーマ (CE) 画像はHDの重要な診断ツールです.
• HDの診断における診断の精度を向上させ 侵襲性を減らすことは極めて重要です

研究 の 目的:

• CE画像を使用してヒルシュプルング病の診断のためのAIベースのディープラーニングモデルを開発し,検証する.
• 診断の精度を高め HD診断の侵入性を減らすために
• 初期HDスクリーニングのための小児胃腸病におけるAIの有用性を調査する.

主な方法:

• ヒト病理学的に確認されたヒルシュプリング病 (HD) の患者からの725のコントラストエネマ (CE) 画像のデータセットが利用されました.
• ディープラーニングモデルであるYOLOv8は,PythonとPyTorchを使用してトレーニングおよび検証されました.
• 性能は,平均精度 (mAP),精度,リコール,F1スコアを含むメトリックを使用して評価されました.

主要な成果:

• AIモデルは高精度 (0.87477) とリコール (0.87317) を達成し,mAP50スコアは0.91でした.
• 外部検証では,感度が86. 96%,特異性は72. 22%,全体的な精度が80. 49%であった.
• このモデルはHDの正確な診断と 侵襲性の少ない診断の 重要な可能性を示しています

結論:

• CE画像を用いた AI駆動のディープラーニングモデルは ヒルシュスプリング病の診断に 有望で侵襲性の少ないアプローチを提供します
• このAIモデルは小児胃腸内科における初期スクリーニングの有効なツールとして機能します.
• AIを医療診断に組み込むことで 患者の治療成果と医療の効率を向上させる可能性があります