説明可能なAIと教師なし学習AIによる脊椎疾患の新しい知見を見出す試み

点击翻译按钮获取中文摘要

本研究では脊髄損傷と頚部脊髄症の機能予後を人工知能による画像解析技術であるradiomicsを用いて予測し、人間にも識別可能な客観的な所見を視覚化することを目的としていた。本研究はGrad-CAM、Vision Transformerのattention map、教師なし学習による画像のクラスタリングと実際の予後との比較の3つのアプローチから新しい画像所見の特徴を探索している。その予備研究の一環であるが、いくつかの論文発表が行われた。(Mukaihata, Maki et al. Spine, 2023)では、脊椎感染症と脊椎のModic変化の鑑別において、畳み込みニューラルネットワークを用いた手法が有効であることが示された。また、（Shimizu, Maki et al. J Clin Neurosci, 2023)では、脊髄損傷患者の神経学的予後を予測するために、急性期に行われた手術の効果に関する機械学習ベースのアプローチが有用であることが示された。さらに、(Nozawa, Maki et al. Int J Comput Assist Radiol Surg, 2023)では、症候性頚部脊髄症患者の圧迫された脊髄のMRI画像を畳み込みニューラルネットワークを用いてセグメンテーションする手法が提案された。本研究の意義は、radiomicsを用いて脊髄損傷や頚部脊髄症の機能予後を予測することにより、治療戦略や患者のQOL向上に寄与できる可能性があることである。また、人工知能が着目している画像所見を明らかにし、視覚化することで、医師がより客観的な所見に基づいて診断を行うことができる。本研究の重要性は、従来の予後因子と比較して、radiomicsを用いた新しいアプローチにより、より正確な機能予後の予測が可能となり、治療選択やリハビリ計画の策定に役立つことが期待される。総じて、昨年度に実施した研究では、脊髄損傷と頚部脊髄症の機能予後を予測する新しい方法を提案し、その有用性を論文発表を通じて示すことができた。