2023 Fiscal Year Annual Research Report
Automated diagnosis of Sjogren's syndrome using artificial intelligence and prediction of treatment selection and treatment efficacy
| Project/Area Number |
18K17184
|
|---|
| Research Institution | Aichi Gakuin University |
|---|
Principal Investigator |
木瀬 祥貴 愛知学院大学, 歯学部, 講師 (30513197)
|
|---|
| Project Period (FY) |
2018-04-01 – 2024-03-31
|
| Keywords | Deep learning / シェーグレン症候群 |
|---|
| Outline of Annual Research Achievements |
本研究において我々は、シェーグレン症候群患者と健常者の耳下腺CT画像を使用し、人工知能（Deep learning）による診断精度の検証を行い、accuracy：96.0%、sensitivity：100%、specificity：92.0%、AUC：0.960と熟練した放射線科医と同等の診断精度があることを示した。次に、被曝を伴わない超音波装置を使用し、耳下腺・顎下腺画像の診断精度の検証も行った。結果は、耳下腺の診断精度はaccuracy：89.5%、sensitivity：90.0%、specificityが：89.0%、AUC：0.948で、顎下腺はaccuracy：84.0%、sensitivity：81.0%、specificity：87.0%、AUC：0.894であり、経験の浅い放射線科医よりも有意に診断精度が高いことを示した。これらの事から、Deep learningによるシェーグレン症候群のCTおよび超音波画像診断精度は臨床的に有用であり、放射線科医の診断のサポー トに成り得ることが示唆された。
さらに我々は、シェーグレン症候群患者、健常者に加え唾石症により炎症を併発している患者を対象に追加し、それら3種類の超音波画像を人工知能がどのくらいの精度で分類できるか調査し、経験豊富な放射線科医2名の精度と比較した。結果として、人工知能の炎症のaccuracyは70.3%で、放射線科医のそれは74.0%であった。両者はほぼ同様の診断精度を示したが、 それほど高い診断精度ではなかった。
また、過去10年以上におよぶシェーグレン症候群患者のCT・MRI画像から算出された唾液腺内脂肪含有率の経時的変化を調査し、ほとんどの症例において経時的に脂肪含有率が増加していくことが観察された。
|
