コンピュータトモグラフィにおける放射線量削減のための人工知能: 2020年から2025年にかけての臨床的証拠の叙述的合成

科学分野:

• 医療画像技術 医療画像技術について
• 放射線学 放射線学
• 医療における人工知能

背景:

• コンピュータトモグラフィー (CT) は臨床実務において不可欠ですが,人口の放射線被曝に大きく貢献しています.
• 腫瘍学,小児学,スクリーニングの経路は,特にCTスキャンからの高線量放射線の影響を受けます.
• 診断性能を損なうことなく,ALARPの原則とIR (ME) Rの要件に準拠した投与量削減戦略の必要性が増しています.

研究 の 目的:

• CT用量最適化のための人工知能 (AI) ベースの戦略に関する証拠を合成する.
• 診断性能を維持しながら放射線量を減らすためのAIの有効性を評価する.
• 主要なAIアプリケーションと,投与量削減の恩恵を受ける解剖学的領域を特定する.

主な方法:

• PubMed,Scopus,IEEE Xploreを通じて,2020年1月から2025年5月までの間に発表された研究について,体系的な文献検索が行われました.
• 含有基準を満たした86件の研究は,放射線量,診断の正確性,画像品質に関連する臨床的または患者ベースのアウトカムに基づいて選択されました.
• 発見は記述的に合成され,方法論的な異質性のために,解剖学的な領域とAIアプリケーションによってグループ化されました.

主要な成果:

• AIは,胸部画像 (30-95%),腹部/肝臓画像 (40-70%) および小児アプリケーション (50-95%) を含むすべての指示において,一貫して実質的な用量削減 (40-90%) を可能にしました.
• 超低用量プロトコルは肺がんのスクリーニングとノードル検出をサポートし",ダブルロー"と"トリプルロー"の血管プロトコルは放射線とヨウ素を減少させた.
• オートポジショニングなどのワークフローAIは,追加の独立した利点を提供しました.

結論:

• AIはCTイメージングで臨床的に有意義な放射線量削減を提供し,診断の信頼性を保ちます.
• 最も強力な証拠は,胸部スクリーニング,腫瘍学フォローアップ,血管画像,小児科のためのAIをサポートしています.
• 医療システムでの成功の実現には,堅実なガバナンス,品質保証,トレーニング,多センター評価が必要です.