嚥下障害の自動評価のための人工知能ベースビデオ分析プラットフォームの多施設検証

科学分野:

• 医用画像
• 人工知能
• 嚥下障害

背景:

• ビデオ蛍光嚥下造影（VFSS）は、嚥下機能を評価するために不可欠です。
• VFSS用の既存の人工知能（AI）モデルは、広範な外部検証が不足しています。
• 本研究は、VFSS解釈における堅牢なAI評価の必要性に対処します。

研究 の 目的:

• VFSSビデオからの誤嚥および浸透の自動診断のためのAIモデルを開発すること。
• 多施設外部検証を通じてAIモデルのパフォーマンスを評価すること。
• 嚥下障害診断におけるAIの臨床的有用性を評価すること。

主な方法:

• トレーニングのために2012のVFSS画像でYOLOv9_cアーキテクチャを使用してAIモデルを開発しました。
• 309のQ1グレードVFSSビデオでモデルを内部検証しました。
• 2つの病院からの138のQ1およびQ2グレードVFSSビデオを使用して外部検証を実施しました。

主要な成果:

• 内部検証では、高いトレーニング（98.1％）および検証（97.8％）精度が示され、テスト精度は61.5％でした。
• AIモデルは、内部テストで誤嚥（AUC = 0.70）および浸透（AUC = 0.65）の診断精度を達成しました。
• 外部検証では、誤嚥（精度90.2％、AUC = 0.79）および浸透（精度78.3％、AUC = 0.80）で、全体的な精度80.4％で強力なパフォーマンスを示しました。

結論:

• VFSSビデオからの自動誤嚥および浸透診断のためのAIモデルが正常に開発されました。
• 多施設外部検証により、AIモデルの良好な診断精度が確認されました。
• 臨床応用の強化には、より大きく多様なデータセットを使用したさらなる研究が必要です。