気管支動脈塞栓術におけるアダムケビッツ動脈および前脊髄動脈検出のための深層学習モデル：多施設共同後ろ向き研究

科学分野:

• 医用画像解析
• 血管内治療
• 医療における人工知能

背景:

• 脊髄 cord梗塞は、喀血に対する気管支動脈塞栓術（BAE）の重篤な合併症です。
• 予防のためには、血管造影中の正確な脊髄動脈の特定が不可欠です。
• 放射線写真における脊髄動脈認識のための現在のAIは限られています。

研究 の 目的:

• アダムケビッツ動脈および前脊髄動脈（ASA）を認識する深層学習モデルの能力を評価すること。
• BAE中の脊髄動脈塞栓術を予防するためのモデルの有効性を評価すること。

主な方法:

• 脊髄動脈識別のための深層学習フレームワークを開発しました。
• このフレームワークには、関心領域（ROI）認識と、ターゲット識別のための段階的洗練学習が含まれます。
• このアプローチは、脊髄動脈の鮮明度と局在化を向上させます。

主要な成果:

• 本研究では、2019年1月から2023年12月までの間にBAEを受けた2,036人の患者を分析しました。
• 深層学習モデルは、アダムケビッツ動脈およびASAの特定において、92.10%の感度と84.62%の特異度を達成しました。
• その性能は、放射線科フェローの性能に匹敵しました。

結論:

• BAE中の脊髄動脈検出のための新しい深層学習システムを発表しました。
• このシステムは、高い感度と人間の専門家と同等の性能を示しました。
• 偽陰性の存在は、さらなる改善の必要性を示唆しています。