膝関節症診断用深層学習モデル訓練における実画像とChatGPT生成画像との比較

科学分野:

• 医用画像における人工知能; 変形性関節症のレントゲン診断

背景:

• 変形性関節症（OA）は、世界的に有病率が増加している変性関節疾患である。; OAのレントゲン診断の自動化は、その負担の増大により極めて重要である。; 人工知能（AI）は、OA診断の自動化の可能性を提供する。

研究 の 目的:

• 実画像、合成画像（ChatGPT生成）、および組み合わせたレントゲンデータセットで訓練されたAIモデルを比較すること。; OA検出の改善における合成画像の有効性を評価すること。; 診断モデルの補強における合成画像の役割を評価すること。

主な方法:

• 膝のレントゲン画像を用いて3つの二値分類器を訓練した：モデルA（合成データのみ）、モデルB（実データのみ）、およびモデルC（実データ＋合成データ）。; 1,656枚の保持された実レントゲン画像で、精度、感度、特異度、F1スコア、AUROCなどの指標を用いてモデルを評価した。; 統計的比較のためにMcNemar検定とブートストラップリサンプリングを用いた。

主要な成果:

• 実データで訓練されたモデル（BおよびC）は、合成データのみのモデル（A）よりも優れた性能を示した。; モデルCは、モデルB（AUROC 0.758）と比較して、信頼区間が重複するものの、わずかに改善された識別能力（AUROC 0.782）を示した。; 合成データは、調整後のグレード別感度において、統計的に有意ではないものの、良好な改善を示した。

結論:

• ChatGPTによって生成されたレントゲン画像のみでは、信頼性の高いOA診断AIモデルを訓練するには不十分である。; 合成画像は、データセット拡張のための実レントゲン画像の有用な補助として機能する。; 合成画像は、OA検出モデルを強化する可能性を示すが、臨床画像に取って代わるものではない。