概要 - 脊椎側弯診断のための深層学習モデルの多施設認証

タイトル

脊椎側弯診断のための深層学習モデルの多施設認証

時間

2025-07-18 17:21:53

著者

{"Šimon Kubov","Simon Klíčník","Jakub Dandár","Zdeněk Straka","Karolína Kvaková","Daniel Kvak"}

カテゴリ

{cs.CV,cs.AI,cs.LG}

リンク
http://arxiv.org/abs/2507.14093v1

PDF リンク
http://arxiv.org/pdf/2507.14093v1

概要

この研究論文は、脊柱側弯（脊柱の異常な曲がり）という状態を評価するための深層学習モデルの有効性を調査しています。研究の目的は、AIモデルが専門の放射線医師のそれに匹敵するCobb角度測定と重症度分類を行えるかどうかを確定することでした。研究は、10病院から収集された103枚の立位前後脊柱全体の放射線写真を使用した多施設の验证研究を含んでいます。2人の筋骨格放射線医師がそれぞれの研究を独立して測定し、参考読者として機能しました。その後、AIモデルはBland-Altman分析、平均絶対誤差（MAE）、根号平均二乗誤差（RMSE）、ピアソン相関係数、そして重症度分類の4段階に対するコーエンのκを含むさまざまな指標を使用してこれらの測定値と比較されました。 AIモデルは、放射線医師1に対してMAEが3.89°（RMSE 4.77°）であり、放射線医師2に対してMAEが3.90°（RMSE 5.68°）でした。ピアソン相関係数はr = 0.906とr = 0.880（読者間のr = 0.928）であり、重症度評価のコーエンのκは0.51と0.64（読者間のκ = 0.59）に達しました。これらの結果は、提案されたソフトウェアが複数の施設で専門の放射線医師と比較して同等のCobb角度測定と重症度分類を行えることを示しています。研究は、AIソフトウェアが脊柱側弯の報告と臨床ワークフローの分類を効率化し、効率と一貫性を向上させる可能性があると結論付けています。しかし、AIの統合が臨床決定とワークフローの効率に与える影響を評価するためにさらなる研究が必要です。

推奨論文

UserBench: ユーザーセンタルなエージェントのためのインタラクティブなジム環境

MC$^2$A: 高効率なマルコフ連鎖モンテカルロ加速のためのアルゴリズム・ハードウェア共設計を可能にする

RADAR: VANETsにおける擬似名の動的関連と認識のためのラジオベースの解析

証明書敏感な部分和問題：実例複雑度の達成

表面におけるTutteの重心埋め込みの離散的な類似物

任意の挑戦分布下での柔軟な刺穿可能暗号機能のコピー保護方法

ジメリ2.5プロが2025年のIMOで金メダルを獲得できる能力を持っています。

多源CTスキャン分類におけるドメインシフトの抑え込みを目的とする入力空間標準化

ChemDFM-R: アトミズド化学知識で強化された化学推論エンジン LLM

MIRAGE-Bench: LLMエージェントが幻覚を見ており、どこにそれらを見つけるか