人工知能で測定された縦断的な体積測定となしの低度性膠原腫の成長の診断: 遡及的観察研究

科学分野:

• 神経腫瘍学 神経腫瘍学
• 医学画像分析 医学画像分析
• 医療における人工知能

背景:

• 低度またはグレード2の拡散性膠原腫 (LGG) は,重要な神経学的罹病率を引き起こす.
• 腫瘍成長の正確な検出は,LGGの管理に不可欠です.
• LGGの進行をモニタリングする現在の方法は,限界があります.

研究 の 目的:

• 縦断的なLGG研究における腫瘍成長の検出のためのAI支援体積分析を評価する.
• AIベースの腫瘍成長検出を標準的な臨床方法と比較する.
• LGGの進行を特定するAIの効率と精度を評価する.

主な方法:

• 56のグリオマと7つの安定したFLAIR病変の遡及的観察研究.
• MRIMath FLAIR AIを用いて計算された縦横の腫瘍容量.
• MRIMath スマートコンチューアを使用した医師のレビューによって確立された黄金の真実.
• 腫瘍容量の大きな変化を検出するために使用されるオンライン変化点法.

主要な成果:

• 人間のレビューによるAIは,進行中のLGGの21ヶ月前に腫瘍の成長を検出しました.
• 人体レビューによるAIは,23ヶ月前に,13/22の安定した症例の増加を特定しました.
• 人間によるレビューなしのAIは,25%の偽陽性率と8.33%の偽陰性率を示しました.
• AIセグメンテーションの医師のレビューは,平均2分かかりました.

結論:

• AI支援の体積分析は,LGG管理の重要な臨床的可能性を示しています.
• 医師の監督は,腫瘍の進行をタイムリーに検出するためのAIの精度を高めます.
• このアプローチは,LGGにおける早期の介入と改善された患者のアウトカムを約束しています.