Image diagnosis of osteoporotic vertebral fractures using artificial intelligence

• Project/Area Number: 20K18042
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 56020:Orthopedics-related
• Research Institution: Tokyo Medical University
• Principal Investigator: 村田 寿馬 東京医科大学, 医学部, 助教 (70839274)
• Project Period (FY): 2020-04-01 – 2022-03-31
• Project Status: Discontinued (Fiscal Year 2021)
• Budget Amount: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000); Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
• Keywords: 人工知能 / 画像診断 / 骨粗鬆症 / 椎体骨折 / 骨折

Outline of Research at the Start

人工知能を用いて骨粗鬆症性椎体骨折の画像診断を行う研究である。研究初期には単純なX線画像の評価を行わせ、診断精度の向上に努める。研究中期では、CTやMRIといった精密検査の画像を学習させ、疾患の重症度の判定が可能となるようなシステムを構築する。研究後期では、臨床に応用するため、高精度の画像診断を行うだけでなく、追加検査が必要かどうか、手術が必要かどうかの判断に言及できるようなシステムを構築することが最終目標である。

Outline of Annual Research Achievements

人工知能を用いて骨粗鬆症性椎体骨折の画像診断を自動的かつ適切に行うことができるか検討した。骨粗鬆症性椎体骨折は、疼痛に伴う高度な日常生活動作制限に加え、生命予後を悪化させうる重篤な疾患であることが知られる。早期の適切な診断は予後の改善に寄与すると考えられているが、画像診断には習熟を要し、正確な診断が困難な場合もある。臨床診断補助ツールとして人工知能の有用性が期待されているが、骨粗鬆症性椎体骨折の画像診断における有用性はこれまでのところ不明である。
その結果、人工知能は骨粗鬆症性椎体骨折の単純X線を臨床医の診断と同程度の正確性をもって診断することが可能と判断された。今回の検討は後ろ向き研究であることなど、臨床応用の可能性を考えるには限界があるが、一方で、臨床医は身体所見や現病歴、既往歴などを加味し、総合的に画像診断をしていたが、人工知能は画像診断のみで臨床医と同程度の正確性で診断ができた点で人工知能の診断効率には独自の有用性があると考えられた。人工知能は、骨粗鬆症性椎体骨折の画像診断において、臨床医の診断を補助するツールとして有用な可能性が示唆された。
本研究課題を通し、人工知能の骨粗鬆症性椎体骨折の画像診断における有用性が示唆された。また、今後の課題として、CTやMRIといった精密検査を用いた検討や、現病歴や身体所見などのテキスト情報の学習、こうした項目をそれぞれ独自に評価する人工知能を統括する集合知の有用性の検討などが挙げられた。

Research Products

• [Journal Article] Automated detection of cervical ossification of the posterior longitudinal ligament in plain lateral radiographs of the cervical spine using a convolutional neural network (2021)
  • Author(s): Miura Masataka、Maki Satoshi、Miura Kousei、Takahashi Hiroshi、Miyagi Masayuki、Inoue Gen、Murata Kazuma、Konishi Takamitsu、Furuya Takeo、Koda Masao、Takaso Masashi、Endo Kenji、Ohtori Seiji、Yamazaki Masashi
  • Journal Title: Scientific Reports Volume: 11 Issue: 1 Pages: 12702-12702
  • DOI: 10.1038/s41598-021-92160-9
  • Peer Reviewed / Open Access / Int'l Joint Research
• [Journal Article] Use of residual neural network for the detection of ossification of the posterior longitudinal ligament on plain cervical radiography (2021)
  • Author(s): Murata Kazuma、Endo Kenji、Aihara Takato、Suzuki Hidekazu、Sawaji Yasunobu、Matsuoka Yuji、Takamatsu Taichiro、Konishi Takamitsu、Yamauchi Hideya、Endo Hiroo、Yamamoto Kengo
  • Journal Title: European Spine Journal Volume: 30 Issue: 8 Pages: 2185-2190
  • DOI: 10.1007/s00586-021-06914-0
  • Peer Reviewed / Int'l Joint Research
• [Journal Article] Machine Learning Approach in Predicting Clinically Significant Improvements After Surgery in Patients with Cervical Ossification of the Posterior Longitudinal Ligament (2021)
  • Author(s): Maki Satoshi、Furuya Takeo、Yoshii Toshitaka、Egawa Satoru、Sakai Kenichiro、Kusano Kazuo、et al.
  • Journal Title: Spine Volume: 46 Issue: 24 Pages: 1683-1689
  • DOI: 10.1097/brs.0000000000004125
  • Peer Reviewed / Int'l Joint Research
• [Journal Article] Artificial intelligence for the detection of vertebral fractures on plain spinal radiography (2020)
  • Author(s): Murata Kazuma、Endo Kenji、Aihara Takato、Suzuki Hidekazu、Sawaji Yasunobu、Matsuoka Yuji、Nishimura Hirosuke、Takamatsu Taichiro、Konishi Takamitsu、Maekawa Asato、Yamauchi Hideya、Kanazawa Kei、Endo Hiroo、Tsuji Hanako、Inoue Shigeru、Fukushima Noritoshi、Kikuchi Hiroyuki、Sato Hiroki、Yamamoto Kengo
  • Journal Title: Scientific Reports Volume: 10 Issue: 1 Pages: 20031-20031
  • DOI: 10.1038/s41598-020-76866-w
  • Peer Reviewed / Open Access / Int'l Joint Research