人工知能モデルを用いた人工関節周囲感染症の白血球エステラーゼストリップ検査の補助診断

科学分野:

• 医療における人工知能
• 診断画像
• 整形外科

背景:

• 人工関節周囲感染症（PJI）は、整形外科手術において大きな課題となっています。
• PJIの正確かつタイムリーな診断は、効果的な治療と患者の転帰のために不可欠です。
• 現在PJIの診断方法には、主観的であり、外部要因の影響を受ける可能性があります。

研究 の 目的:

• 白血球エステラーゼ（LE）ストリップの自動検出のための深層畳み込みニューラルネットワーク（DCNN）モデルの有効性を検証すること。
• PJI診断におけるDCNNモデルのパフォーマンスを評価すること。
• PJI診断におけるLEストリップ検査の客観性と信頼性を向上させること。

主な方法:

• PJI診断のためにAlexNetベースのDCNNモデルを使用した前向き診断試験を実施しました。
• DCNNモデルは、46人の患者のLEストリップ画像と白血球数でトレーニングされました。
• モデルは、遠心分離前後のLEストリップ検査結果と、ICM2018標準およびその他の臨床マーカーとの比較により、78人の患者で前向きに評価されました。

主要な成果:

• 遠心分離前のDCNNモデルは0.92、遠心分離後のモデルは0.91のAUC（曲線下面積）を達成しました。
• 感度と特異度は高く、それぞれ0.83および1.00の値を示しました。
• モデルは、従来のPJI診断方法との良好な一貫性を示すカッパ値により、強力な信頼性を示しました。

結論:

• DCNNモデルは、PJI診断において優れたパフォーマンスと高い信頼性を示しています。
• このAIベースのアプローチは、LEストリップ検査の客観性を向上させ、外部からの影響を低減します。
• モデルの診断能力を最適化するために、さらなる大規模な多施設共同研究が推奨されます。