放射線学と機械学習による神経予測は,新生児の低酸素性-低血圧性脳梗塞に続いて行われます
John D Lewis1, Atiyeh A Miran2, Michelle Stoopler3
1Program in Neuroscience and Mental Health, SickKids Research Institute, 686 Bay St., Toronto, M5G 0A4, ON, Canada.
The Journal of pediatrics
|February 15, 2026
まとめ
機械学習は,MRI放射学を用いて,低酸素発血性脳症 (HIE) の乳児の神経発達の結果を正確に予測します. このアプローチは,障害に関連した脳領域を特定し,将来の介入研究を支援します.
科学分野:
- 新生児神経学
- ラジオミックス (Radiomics) とは
- 医学における機械学習
背景:
- 周産期低血症-発血性傷害 (HIE) は,重要な神経発達欠陥につながる可能性があります.
- 結果の正確な予測は,臨床管理と治療戦略を導くために極めて重要です.
- 現在の予測方法は,HIEの重度のスペクトルを完全に捉えることができない可能性があります.
研究 の 目的:
- HIEの乳児の神経発達結果を予測するための機械学習モデルを開発する.
- 結果の予測のためにMRIベースの放射性測定のみを使用する.
- HIEの重度の全スペクトルをカバーします.
主な方法:
- HIE (妊娠年齢 ≥35週間) を有する167人の乳児を対象とした遡及コホート研究.
- 再加熱後の脳MRIは,放射性特性を分析した.
- 10倍クロス検証で予測に使用された,弾性ネットペナライズされた線形回帰モデル.
- ベイリースケールを使用して18ヶ月で評価された発達結果.
主要な成果:
- 認知,言語,運動領域における結果を予測する高精度.
- 予測された結果と観察された結果の平均相関は0.94.4でした.
- 平均予測R平方は0.87で,モデルの性能が良好であることを示しています.
結論:
- MRIベースの放射性特徴は,HIEの乳児の18ヶ月の発達結果を確実に予測します.
- このモデルの精度は,脳損傷のあらゆる重度のレベルにおいて高い.
- 作成された脳アトラスは,障害に関連する領域を強調し,新たな介入の開発を誘導する可能性がある.
