頭蓋内出血の評価を自動化し、GPTによる臨床的意思決定支援を統合したCTパイプライン

科学分野:

• 神経学
• 放射線学
• 人工知能

背景:

• 頭蓋内出血（ICH）は、治療のための迅速なCT評価を必要とする重篤な神経学的救急疾患である。
• ICHの現在の放射線学的評価は時間がかかる可能性があり、重要な治療決定が遅れる可能性がある。

研究 の 目的:

• ICHの検出、セグメンテーション、局在化を強化するための自動化された深層学習パイプラインを開発すること。
• 救急医療のための大規模言語モデルを用いた臨床的意思決定支援を統合すること。

主な方法:

• 半教師あり学習アプローチを用いて、21,000件以上のCTスキャンで検出モデルをトレーニングした。
• セグメンテーションモデルは、ICHのサブタイプ、水頭症、正中線偏位を描出するために専用のデータセットでトレーニングされた。
• 臨床的推奨事項は、確立されたガイドラインと試験に基づいて、GPT-4o APIを介して生成された。

主要な成果:

• 検出モデルはAUC 0.96を達成し、セグメンテーションのダイス係数は0.71から0.93の範囲であった。
• 脳領域全体での頭蓋内出血の局在化は、強い一致（κ値 0.85-1.00）を示した。
• 生成された臨床的推奨事項は、神経外科医によって検査と治療に関して高く評価された。

結論:

• 開発された深層学習パイプラインは、自動化された画像解析と実行可能な臨床的意思決定を効果的に組み合わせている。
• このAIツールは、救急環境における診断速度と治療ガイダンスを改善する大きな可能性を示している。
• このパイプラインは、重篤な神経学的救急疾患における診断遅延を軽減することにより、患者の転帰を改善する可能性がある。