MRIシーケンスを用いたブルセラ性脊椎炎と結核性脊椎炎の鑑別診断における説明可能な深層学習モデルの包括的比較分析

科学分野:

• 医用画像
• 人工知能
• 脊椎外科

背景:

• ブルセラ性脊椎炎（BS）と結核性脊椎炎（TS）をMRIで鑑別することは、臨床的に重要な課題です。
• 深層学習（DL）は診断精度を向上させる可能性を示していますが、マルチシーケンスMRIデータに対する最適な統合戦略は不明確です。

研究 の 目的:

• マルチシーケンスMRIデータを統合するための、異なる深層学習アーキテクチャを体系的に比較すること。
• BSとTSの鑑別における、有効で効果的な深層学習戦略を特定すること。

主な方法:

• 確認されたBSまたはTSを有する235例の患者の後ろ向き解析。
• 単一シーケンス、単一ブランチチャネル融合、異種マルチブランチ、同種マルチブランチの4つのDLアーキテクチャの評価。
• テストセットにおける受信者操作特性曲線下面積（AUC）を用いてパフォーマンスを評価しました。

主要な成果:

• 単一ブランチチャネル融合モデルは、ランダムチャンスと同等の低いパフォーマンス（AUC 0.474-0.538）を示しました。
• 単一シーケンスモデル（最高AUC 0.765）とマルチブランチアーキテクチャ（最適AUC 0.764）の両方が、効果的な診断パフォーマンスを示しました。
• マルチブランチモデルは、T1強調、T2強調、脂肪抑制MRIシーケンスからの情報をうまく統合しました。

結論:

• アーキテクチャの選択は、マルチシーケンスMRI解析におけるDLモデルの実行可能性にとって極めて重要です。
• 単純なチャネルごとの融合は、BSとTSの鑑別には無効な戦略です。
• 単一MRIシーケンスの処理またはマルチブランチ並列アーキテクチャの使用は、同等の診断パフォーマンスを持つ効果的な戦略です。