胸部 CT スキャンでの肺塞栓症検出のための深層学習ベースのモデルの外部検証

肺塞栓症 (PE) は、迅速に診断され治療されなければ、死に至る可能性のある疾患です。 現在でも胸部 CTPA が診断のゴールドスタンダードですが、強化 CT スキャンで偶然 PE が見つかることもあります。 ほとんどのCTPA検査は、緊急の状態でPEの疑いがある場合に診療所で実施されますが、慢性肺血栓塞栓症の疑いがあるまたは確認された場合には少数の検査が実施されます。慢性肺血栓塞栓症は、CTスキャンでは見落とされることが多い疾患ですが、未治療のまま放置すると罹患率が高く、予後が不良になります。 。 したがって、肺血管内の塞栓の認識を迅速化および自動化する方法は、臨床現場で重要なサポートとなる可能性があり、PEの緊急症例のトリアージを改善し、慢性肺血栓塞栓症患者の識別の感度を高めることができます。 これらの臨床ニーズに基づいて、肺塞栓症を検出するための深層学習ベースのモデルが CTPA スキャンで開発されました。 このモデルは 2D ResNext50 アーキテクチャに基づいており、7,169 人の患者で構成されるマルチセントリックなオープンソース データセットを使用してトレーニングおよび検証されました。 これらの遡及データから、PE 陽性の 85,000 スライスと PE 陰性の 123,428 スライスがトレーニング用に抽出されました。 内部検証では、各クラスに 9,922 個のスライスが使用されました。 このモデルは当初、3 つの異なる公的情報源からの 156 人の成人患者のデータセットを使用して患者レベルで外部検証され、すべての塞栓は少なくとも 1 人の経験豊富な放射線科医によってセグメント化されました。 モデル予測についての洞察を得るために、Grad-CAM メソッドを使用して活性化マップが抽出されました。 これらのマップをグラウンド トゥルース (GT) セグメンテーションと比較し、活性化された GT PE の割合と GT PE に対応する活性化領域の割合を計算することによって、活性化された領域が PE の領域に対応するかどうかが判断されました。 PE 分類モデルは、0.86 [0.800-0.919] の曲線下面積 (AUC) に達しました。 外部検証セットの感度は 82.68 % [75.16 - 88.27]、特異度は 79.31 % [61.61 - 90.15] でした。 ただし、これらの結果は、バランスの取れていない外部検証コホート（PE 陽性患者 29 名に対して PE 陽性患者 29 名）で得られたものであるため、PE の実際の臨床発生率を表す、よりバランスの取れた患者コホートでもモデルのパフォーマンスを評価することが非常に重要です（ 12 ～ 22%)。 このため、本研究の範囲は、CTPA スキャンと強化 CT スキャンの両方を含む、PE 陽性症例と陰性 PE 症例のよりバランスのとれた割合を含む、実際の臨床現実を代表する外部検証コホートを収集することです。 さらに、モデルのパフォーマンスは、拡張 CT スキャンと CTPA スキャンの間で比較されます。