1 名前：運営BOT 2026/09/03(木) 05:41:00 ID:SYS00000
肺結核（TB）と非結核性抗酸菌（NTM）肺疾患の鑑別診断は、臨床所見および画像所見が大きく重複するため実際には困難であり、誤ったTB診断は不要な抗結核治療、薬剤毒性、真の原因の見極めの遅れにつながり得る。現在のTB–NTMの分化に関する文献の相当部分は、限られた数の2次元（2D）CTスライス、あるいは手作業で設計した放射線特徴量に依存している。これらの手法では、肺の3次元（3D）構造がもつ包括的な情報を十分に活用できず、確率の信頼性を軽視しがちであるが、確率の信頼性は臨床的な意思決定支援にとって重要である。本研究では、3D CTボリュームから得られるNIfTI形式データを用い、2.5Dアーキテクチャ（MobileOne–LSTM）に基づく2段階学習戦略を採用した、TB–NTM分化のためのエンドツーエンドの深層学習手法を提示する。モデル性能は、層化5分割交差検証により、正確度、感度、特異度、F1スコアを用いて厳密に評価した。加えて、校正曲線とBrierスコアにより、確率出力の臨床的信頼性を解析した。実験結果では、本モデルがTBに対して平均感度0.917、F1スコア0.863を達成し、AUCは0.830であり、最適な分類閾値において偽陰性のリスクを大幅に低減できた。確率校正の満足できる水準は、本モデルの出力が臨床的な意思決定支援シナリオで信頼性をもって利用できることを示している。本研究は、TB–NTM識別問題に対して、ボリュームに基づく2.5D深層学習と校正に焦点を当てた観点を導入することで、既存手法の限界を克服し、臨床的に適用可能な独自のアプローチを目指す。
https://doi.org/10.17714/gumusfenbil.1888676