小児アレルギー性鼻炎におけるマルチモーダルデータに基づく寒熱症候群分類モデルの開発

科学分野:

• 医用人工知能
• 伝統医学診断
• 小児保健

背景:

• 小児のアレルギー性鼻炎（AR）は世界的に増加しており、生活の質に影響を与え、経済的コストを発生させています。
• 西洋医学はARの症状緩和を提供しますが、再発や副作用が懸念されます。
• 伝統医学（TCM）は症候分別による代替手段を提供しますが、診断は主観的になる可能性があります。

研究 の 目的:

• 小児ARに対する中医学の症候分別の精度を向上させるためのデジタル舌画像分析法を開発すること。
• 小児AR患者の寒熱症候群の鑑別を臨床医が支援すること。
• 小児ARに対する中医学治療の客観性と有効性を高めること。

主な方法:

• 舌画像（SE-DenseNet）と臨床データの特徴を統合したマルチモーダル深層学習モデルを開発しました。
• 抽出された特徴に基づいて、患者を寒熱症候群に分類するためにトランスフォーマーモデルを使用しました。
• モデルの性能は、トレーニングセットとテストセットのAUC、精度、適合率、再現率、F1スコアを含む指標で評価されました。

主要な成果:

• マルチモーダルモデルは、小児AR患者の寒熱症候群の分類において高い性能を達成しました。
• テストセットでは、モデルはAUC 0.877、精度 0.856、適合率 0.863、再現率 0.829、F1スコア 0.910を報告しました。
• 開発されたモデルは、評価された他のモデルと比較して優れた性能を示しました。

結論:

• マルチモーダルモデルは、小児ARにおける症候分別の精度を高めるために、臨床および舌画像の特徴を効果的に統合します。
• このアプローチは、客観的かつ定量的な診断結果を提供し、治療決定の改善につながる可能性があります。
• 本研究は、小児AR管理におけるAI支援TCM診断の可能性を強調しています。