デジタルツインと人工知能技術によるIa型エンドリークの評価

科学分野:

• 生体医工学
• 医療における人工知能
• 血管外科

背景:

• 腹部大動脈瘤に対するEVAR（内視鏡的動脈瘤修復術）は標準治療となっています。
• Ia型エンドリークは、近位部のシール不全に起因する重要な合併症です。
• 静的画像を用いた現在の計画方法では、動的なシール不全を予測できません。

研究 の 目的:

• Ia型エンドリークリスク予測のための、新しい物理情報デジタルツインおよびAIモデルの検証。
• AIモデルの予測精度と従来の静的計画方法との比較。

主な方法:

• Ia型エンドリーク陽性5例、陰性10例のEVAR患者15例を対象とした後向き検証研究。
• ステントグラフト留置および生体力学のシミュレーションのための患者固有のデジタルツインの作成。
• ロジスティック回帰AIモデルは、エンドリークリスク指数（ERI）を生成するために16,000以上の生体力学的測定値を処理しました。
• ERIの予測性能と傾向スコアマッチングされた従来の計画グループ（n=45）との比較。

主要な成果:

• AIモデルのERIは、エンドリーク陽性群（0.85 ± 0.10）でエンドリーク陰性群（0.39 ± 0.11）よりも有意に高かった（p=0.011）。
• デジタルツイン/AIモデルは、80%の精度と0.85のAUCを達成しました。
• モデルは、Ia型エンドリークに対して100%の感度と100%の陰性的予測値を示しました。
• 従来の計画では、精度51.1%、AUC 0.54でした。

結論:

• AI駆動型デジタルツインフレームワークは、EVAR後のIa型エンドリークリスクを正確に予測します。
• ERIは、静的測定値に対する定量的利点を提供し、100%のNPVを持つ信頼性の高い安全ツールとして機能します。
• この技術は、ハイリスクな解剖学的構造を特定し、合併症を最小限に抑えることで、個別化EVAR計画を進歩させます。