血管内治療放射線科における画像ベースの人工知能：ナラティブレビュー

科学分野:

• 放射線科;医用画像処理;人工知能

背景:

• AIは診断放射線科で優れていますが、データのばらつきによりVIRへの応用は限定的です。
• 血管内治療放射線科（VIR）の手順では、複雑な画像解析がしばしば伴います。

研究 の 目的:

• 術前、術中、術後のVIR段階全体にわたるAIの応用をレビューすること。
• さまざまな画像モダリティを使用して、患者ケアに対するAIの影響を評価すること。

主な方法:

• PubMed、Embase、およびWeb of Scienceの包括的な文献検索。
• AI研究を画像モダリティ（CT、MRI、透視/DSA、超音波、X線、マルチモーダル）およびタスクタイプ（セグメンテーション、検出、予測）別に分類しました。

主要な成果:

• 深層学習は、解剖学的構造のセグメンテーション（例：動脈瘤）において高い精度（0.82-0.962）を達成しました。
• AI検出タスクは、高いパフォーマンスを示しました（例：エンドリーク検出で95％の精度、狭窄で0.97のAUC）。
• 予測モデル（AUC > 0.90）は、EVAR、TEVAR、TACE、TARE後の転帰において臨床評価を上回りました。

結論:

• AIはVIRにおいて、特に治療応答のためのレディオミクスと機械学習により、変革の可能性を示しています。
• 課題には、データの制限、バイアス、および解釈可能性が含まれます。
• インターベンショナルラジオロジーにおける安全かつ効果的な展開には、臨床医とAI専門家の協力が不可欠です。