甲状腺および副甲状腺手術における神経モニタリングのための筋電図波形分類への深層学習の応用
Thomas J Musholt1, Petra B Musholt1, Tobias Kortus2
1Section of Endocrine Surgery, Department of General, Visceral and Transplantation Surgery, University Medical Center Mainz, Mainz, Germany.
BJS open
|January 8, 2026
まとめ
新しい畳み込みニューラルネットワークは、手術中の誤ってラベル付けされた筋電図信号を正確に特定し、神経モニタリングデータの品質を向上させます。このAIツールは、リアルタイムでのエラーを防ぎ、甲状腺処置における患者の安全性を向上させるのに役立ちます。
科学分野:
- 神経外科; 人工知能; 信号処理
背景:
- 術中神経モニタリングは、筋電図信号の記録を含む（副）甲状腺手術において極めて重要です。外科医は神経信号に手動でラベルを付けますが、20%もの誤ったラベル付け率がリスクをもたらします。データの精度と患者の安全性を向上させるためには、自動化されたエラー検出が必要です。
研究 の 目的:
- 誤ってラベル付けされた筋電図信号の自動検出のためのマルチタスク1次元畳み込みニューラルネットワーク（CNN）を開発すること。AI駆動のエラーアラートを通じて、術中神経モニタリングデータの信頼性を向上させること。
主な方法:
- MIONQAソフトウェアを使用して、生の術中神経モニタリングデータを修正しました。ラベル付けされた筋電図信号を抽出し、メタデータを組み込んでCNNをトレーニングしました。150〜280の抽出された特徴を使用して、さまざまなCNNをトレーニング、検証、およびテストしました。
主要な成果:
- 最適化されたCNNは、神経同定で95.72%、体側予測で97.68%、刺激時点分類で97.61%の高い精度を達成しました。11,414の筋電図でトレーニングされ、4891でテストされ、堅牢なパフォーマンスを示しました。筋電図ピーク信号分類で0.993という優れた曲線下面積を達成しました。
結論:
- 開発されたCNNは筋電図信号を正確に分類し、誤ってラベル付けされたデータの自動識別と修正を可能にします。データの質の向上は、神経モニタリングにおけるAIのトレーニングに不可欠であり、外科医へのリアルタイムアラートを可能にします。今後の作業では、より広範な臨床シナリオと外部データセットに焦点を当て、臨床応用のためのツールを最適化します。
