脳卒中は世界的に主要な死亡原因および長期的な障害の原因である一方で、迅速な診断は訓練を受けた放射線科医の不足、特に資源の限られた環境においてしばしば制約される。CT画像の自動解析は潜在的な解決策を提供するが、既存手法は、多数の診断タスクを共同で扱いながら、臨床的に汎化可能な性能を達成する点でしばしば困難を抱えている。ここでは、Intelligent Integrated Stroke Diagnosis System（IISDS）を提示する。これはStrokeGNNに基づくエンドツーエンドの深層学習フレームワークであり、3D文脈に基づく特徴抽出と、U-Netベースの2D病変セグメンテーションを統合するグラフベースのアーキテクチャを用いて、非造影CTから包括的な脳卒中解析を可能にする。IISDSは、統一されたパイプラインのもとで、脳卒中サブタイプ分類、病変セグメンテーション、ならびに病変体積推定を実行する。システムの開発と検証のために、AI研究者、神経内科医、放射線科医、臨床家の協働によりBGD-ISDを収集・キュレーションし、バングラデシュの6つの病院および医療センターで取得された597件の脳卒中症例からなる1,507件の大規模多施設データセットを得た。BGD-ISDおよび複数の公開データセットにおいて、IISDSはすべてのタスクで最先端性能を達成し、セグメンテーション精度をDiceで0.011以上改善し、病変体積推定誤差を平均対称表面距離（ASSD）で0.3以上低減し、分類性能を既存手法と比べて受信者動作特性曲線下面積（AUC）で0.018以上向上させる。これらの結果は、グラフベースの深層学習がCT画像からの臨床的に汎化可能な自動かつスケーラブルな脳卒中診断を実現し、特に専門的な放射線学的解釈へのアクセスが限られた医療環境における迅速な臨床的意思決定を支援する可能性を示している。
https://doi.org/10.64898/2026.08.26.26360026