経鼻ビデオ内視鏡​​を用いた人工知能による副鼻腔乳頭腫の術前予測：後ろ向き研究

Scientific Reports volume 13、記事番号: 12439 (2023) この記事を引用

4 オルトメトリック

メトリクスの詳細

副鼻腔逆さま乳頭腫（IP）は再発や悪性化のリスクがあり、経鼻内視鏡検査による早期診断が不可欠です。 そこで私たちは、人工知能（AI）を利用して鼻副鼻腔乳頭腫を識別する診断システムを開発しました。 内視鏡下副鼻腔手術を受けた 53 人の患者の内視鏡手術ビデオを編集してディープ ニューラル ネットワーク モデルをトレーニングおよび評価し、診断システムを開発しました。 耳鼻咽喉科医による視診による正診率も同様の動画で評価し、AI診断システムによる患者の正診率と比較した。 評価された主な結果には、AI 診断と比較した正診断の割合、および長年の診療経験に基づく耳鼻咽喉科医の正診断率が含まれます。 この診断システムの曲線下面積は 0.874、精度は 0.843、偽陽性率は 0.124、偽陰性率は 0.191 でした。 耳鼻咽喉科医の平均正診率は69.4％で、AIの精度が高いことがわかった。 明らかに、症例数は少ないものの、精度の高い診断システムが構築されました。 システムの精度を向上させ、より多くの臨床応用のために検出できる疾患の範囲を拡大するために、より多くのサンプルを使用した将来の研究が保証されます。

副鼻腔逆さま乳頭腫（IP）は、再発または悪性化する可能性がある良性腫瘍であるため、早期診断と内視鏡下での外科的切除が望ましい1。 耳鼻咽喉科では鼻内視鏡検査を外来で行っていますが、IPと鼻の炎症性ポリープの区別が難しい場合があります。 確定診断には病理検査が必要ですが、時間がかかります。 経鼻内視鏡検査を用いて精度の高い補助診断ができれば臨床上有用です。 そこで、本発明者らは、内視鏡ビデオ画像を用いてIPを診断するためのコンピュータ支援診断システムを開発した。

人工知能 (AI) と機械学習テクノロジーの最近の進歩は、医療分野における重要なアプリケーションの基盤を提供しました。 手書きの予測アルゴリズムは医療上の意思決定を支援するために長い間使用されてきましたが、予測のための機械学習手法の実用化は 2000 年に始まりました。その後、コンピューター ハードウェアのパフォーマンスの大幅な向上により、2010 年と 2012 年に DNN が導入され、 DNN の精度は、ImageNet 大規模視覚認識チャレンジで従来の画像処理方法の精度を上回り、最終的に 2015 年には人間の画像認識の精度を超えました。それにもかかわらず、DNN モデルとその診断へのアプリケーションをトレーニングするには、通常、大量のデータが必要です。 IP などの希少疾患の治療は困難であると考えられています。

私たちの知る限り、内視鏡ビデオ ストリームを使用して IP を診断するために DNN を利用したこれまでの研究はありません。 したがって、本研究は、DNN モデルを内視鏡診断の精度向上に使用できるかどうかを調査することを目的としました。 さらに、DNN モデルをさまざまな耳鼻咽喉科医によって実行された評価と比較して、その実用性を判断しました。 特に、私たちの知る限り、これはビデオ内視鏡​​を使用した IP 診断のための DNN モデルの実現可能性を実証した最初の研究です。

この研究プロトコールは東京慈恵会医科大学の人間倫理審査委員会によって承認されており（承認番号：32-036 [10111]）、研究の遡及的性質によりインフォームド・コンセントの要件が免除されている。

2018年から2021年までに当院で内視鏡下副鼻腔手術を受けた患者53名（男性、n = 33、女性、n = 30、平均年齢51.2±12.6歳）を遡及的に評価し、登録した。うち21人は病理検査でIPと診断された。 32 人の鼻ポリープを伴う慢性副鼻腔炎 (CRSwNP) の患者。 ビデオ画像は、操作前のほぼ無血の状態を示すために使用されました。 内視鏡画像には鉗子は含まれていませんでした。