胸膜超音波を使用して術前に胸膜癒着を予測する機械学習モデルの開発

肺がんは現在、世界中で悪性腫瘍による主な死亡原因となっています。 手術は肺がんの主な治療法であり、胸部外科技術の進歩は肺がんの診断と治療に重要な役割を果たしています。 医療用超音波技術は、その非侵襲性、柔軟性、利便性、経済性の特性により、臨床現場で広く使用されています。 超音波技術の進歩と臨床上の課題に対処する必要性により、超音波画像技術は胸腔鏡手術の分野で新たな発展を遂げています。

低侵襲手術の時代において、術中胸膜癒着はビデオ支援胸腔鏡手術 (VATS) の実施に影響を与える主な要因の 1 つです。 特に術後回復強化（ERAS）の概念の下、VATSの日帰り手術モデルが徐々に形になってきました。 しかし、胸膜癒着は術中の外傷を大幅に増加させ、入院期間を延長します。 さらに、胸膜癒着はVATS中の肺損傷のリスクを高め、重篤な場合には胸膜腔へのアクセスを妨げ、開胸術への変換が必要になる可能性があります。 胸膜癒着は、視界不良、出血、肺や血管の損傷により、胸部手術の術中時間を増加させ、罹患率を高めます。 胸膜癒着の存在、位置、程度は、最初のポートの配置を決定したり、開放アプローチと VATS アプローチのどちらを選択するかを決定するのに役立ちます。 したがって、術前に胸膜癒着の存在と特定の位置を正確に予測することは、胸部ERAS下での日帰り手術の開発にとって重要であり、将来のVATS日帰り手術の安全性と効率を確保します。

これまでの研究では、胸部CTでは胸膜癒着を予測するのが難しく、感度はわずか72%、特定の位置での癒着を判定する感度はわずか46%であることが示されています。 対照的に、胸膜超音波検査 (USP) は、胸膜の滑りや周囲の肺組織との癒着を動的に表示でき、動きに基づいたリアルタイムのモニタリング機能を備えているため、胸膜癒着の検出に独自の利点をもたらします。 USP を使用した胸膜癒着の術前予測には、大きな応用価値があります。 研究では、胸膜癒着を特定するために経胸腔胸膜超音波を使用する利点がすでに実証されています。 ニコラら。胸膜癒着を予測するために1,192回の超音波検査を実施し、1,124例の陽性例と68例の陰性例が確認され、感度は80.6%、特異度は96.1%、陽性的中率は73.2%、陰性的中率は97.4%でした。 ただし、USP を使用して胸膜癒着を予測する場合には、まだいくつかの問題があります。 胸膜癒着を特定できる医師は肺超音波の訓練を受けている必要があり、超音波検査と読影はスキルに依存する技術です。 胸部超音波検査医師の研修の負担は依然として臨床上の課題です。

三次元畳み込みニューラル ネットワーク (3D-CNN) テクノロジーは、人工知能と機械学習の分野における新興テクノロジーです。 従来の畳み込みニューラル ネットワーク (CNN) とは異なり、3D-CNN は時間次元を含む 3 次元データを処理できるため、超音波画像のリアルタイムの動的画像特徴の分析に適しています。 この技術は、USP画像を解釈するための機械学習モデルの開発に有望であり、潜在的に医師の解釈に取って代わり、胸膜癒着を特定する際のUSPの精度を向上させることができます。

要約すると、この研究は、VATS 手術が予定されている患者の胸膜癒着を術前に特定するために USP を使用することを目的としています。 術中の胸膜癒着を予測する際の USP の精度を調査し、3D-CNN テクノロジーを使用して USP 関連の画像とビデオ データを機械学習用に処理する診断モデルを開発することを目的としています。 この研究では、胸膜癒着の特定における 3D-CNN-USP モデルの感度、特異度、陽性的中率、および陰性的中率を調査します。 さらに、胸部外科における日帰り手術の実施をサポートするために、胸膜癒着の術前識別に 3D-CNN-USP を使用する実現可能性と有効性を検証します。