非造影CT食道静脈瘤の臨床的先行増強マルチ臓器解析による重症度分類

科学分野:

• 放射線科および医用画像処理
• ヘルスケアにおける人工知能
• 消化器病学および肝臓病学

背景:

• 食道静脈瘤（EV）は、肝硬変患者における門脈圧亢進症の重篤な合併症であり、高い出血リスクを伴います。
• 現在の診断は侵襲的な内視鏡検査に依存しており、非侵襲的な代替法の必要性が強調されています。
• 臨床的観察は、肝疾患の重症度と臓器の体積関係を関連付けており、マルチモーダル画像アプローチを示唆しています。

研究 の 目的:

• 非造影コンピューター断層撮影（NCCT）を用いた食道静脈瘤（EV）評価のための新しいマルチモーダルAIフレームワークであるMulti-Organ-COhesion Network++（MOON++）を紹介すること。
• 従来の単一臓器解析法と比較して、EV重症度分類におけるMOON++の性能を評価すること。
• 経験豊富な放射線科医による読影試験を通じてMOON++の臨床的有用性を検証すること。

主な方法:

• 食道、肝臓、脾臓のNCCTスキャンからの画像データを統合するマルチモーダル深層学習フレームワークであるMOON++を開発しました。
• 内視鏡的に確認されたEVを4つの重症度グレードに分類した1631人の患者の大規模コホートでMOON++をトレーニングおよび検証しました。
• EV分類のためのAUC（曲線下面積）指標を使用して、単一臓器解析法に対するMOON++の性能を比較しました。

主要な成果:

• MOON++は、単一臓器法（AUC 0.803）と比較して、AUC 0.894で重症EV（G3 vs.
• MOON++は、中等度から重度のEV（≥G2 vs.
• 読影試験により、EV評価における放射線科医の支援におけるMOON++の効果が確認されました。

結論:

• MOON++は、NCCTスキャンにおけるマルチ臓器関係を分析することにより、食道静脈瘤評価のための有望な非侵襲的診断ツールを提供します。
• このAIフレームワークは、肝硬変患者における門脈圧亢進症合併症の管理を改善する可能性があります。
• MOON++は、非侵襲的疾患診断のためのマルチモーダル画像とAIを活用する上で重要な進歩を表しています。