新生児の壊死性腸炎の早期診断において、腹部単純X線写真に基づく深層学習特徴量モデルが専門家を上回る

科学分野:

• 医用画像
• 医療における人工知能
• 新生児ケア

背景:

• 単純腹部X線写真は新生児壊死性腸炎（NEC）の診断に標準的に用いられています。
• 早期NEC診断は、微妙なX線学的特徴のため困難です。
• 深層学習（DL）は、診断精度の向上に可能性をもたらします。

研究 の 目的:

• 単純腹部X線写真を用いた早期ステージNEC診断におけるDLモデルの有効性を評価すること。
• DLモデルと人間の専門家の診断パフォーマンスを比較すること。

主な方法:

• 2つの施設（2016年6月～2023年12月）の680人の新生児の後ろ向き解析。
• DenseNet121を用いたDL特徴量の抽出；ロジスティック回帰（LR）およびランダムフォレスト（RF）を用いたラジオミクスモデルの構築。
• トレーニングおよび外部検証コホートにおけるROC曲線によるパフォーマンス評価；人間の専門家のパフォーマンスとの直接比較。

主要な成果:

• DLモデルは、トレーニング（LR AUC：0.972、RF AUC：0.961）および検証（LR AUC：0.964、RF AUC：0.951）コホートの両方で高い精度を達成しました。
• DLモデルは、ステージI NECの診断において人間の専門家を大幅に上回りました。
• 25のDL特徴量がモデル開発の鍵として特定されました。

結論:

• 単純腹部X線写真を利用したDLモデルは、新生児におけるステージI NECの特定に有効です。
• この非侵襲的アプローチは、早期NEC診断を強化し、臨床的意思決定をサポートします。
• AIを活用した画像解析は、新生児ケアの結果を改善する可能性を示しています。