小児大腿骨頸部骨折検出における深層学習：多施設共同研究

科学分野:

• 医用画像処理
• 人工知能
• 小児整形外科学

背景:

• 小児大腿骨頸部骨折（FNF）はまれですが、見逃された場合、重篤な合併症につながる可能性があります。
• 小児におけるFNFの正確かつタイムリーな診断は、最適な転帰のために非常に重要です。
• 現在の診断方法には課題がある可能性があり、高度なツールの必要性が示唆されています。

研究 の 目的:

• 小児FNFの自動検出および局在化のための深層学習モデルを開発および検証すること。
• 多施設共同の小児股関節X線写真データセットでモデルのパフォーマンスを評価すること。
• 整形外科医の診断パフォーマンスに対するAI支援の影響を評価すること。

主な方法:

• 8つの施設から収集された2,116人の小児患者の2,594枚の股関節X線写真を用いて、深層学習モデル（YOLOv11s）をトレーニングしました。
• モデルの診断精度を、内部および外部テストセットにおける平均適合率（mAP@0.5）および曲線下面積（AUC）を用いて評価しました。
• AI支援の有無による診断パフォーマンスを比較するために、読影試験を実施しました。

主要な成果:

• YOLOv11sモデルは、内部テストセットでmAP@0.5が90.6%、AUCが0.921と高いパフォーマンスを達成しました。外部テストセットでは、モデルはmAP@0.5が96.8%、AUCが0.968と優れたパフォーマンスを示しました。AI支援は、特に経験の浅い整形外科医の診断精度を大幅に向上させました。

結論:

• 開発された深層学習モデルは、小児FNFの正確かつ自動的な検出において大きな可能性を示しています。
• このAIツールは、緊急時の貴重な支援として機能し、診断的意思決定を改善する可能性があります。
• 本研究は、小児整形外科診断における多施設共同AIの実現可能性と利点を強調しています。