AI支援2D胎児脳超音波による頭蓋内異常検出 (ALYSSIA)

胎児脳異常の早期発見は、出生前カウンセリングと出生後の神経学的転帰の改善に極めて重要です。 超音波検査は胎児構造を評価する最も一般的で効果的な画像診断法ですが、診断精度は操作者の経験、胎児の位置、画像品質の影響を受ける可能性があり、解釈にばらつきが生じることがあります。 人工知能（AI）を基盤とした画像分析は、診断評価の標準化と超音波解釈における主観性の低減に向けた新たな機会を提供します。

本研究は、保存された2D胎児脳超音波画像を分析するために設計されたAI支援モデル（Alyssia）の診断精度と臨床的適用性を評価することを目的としています。 このモデルは、正常な頭蓋内所見と異常な所見を区別するために訓練および検証され、特に側脳室およびその他の関連する脳領域に焦点を当てます。 研究では、妊娠18週から24週の間に通常の出生前検査で得られた匿名化された超音波データを用いた観察的・後ろ向きデザインを採用しています。

専門の臨床医がすべての適格な画像をレビューしラベル付けを行い、モデルの訓練と検証のためのグランドトゥルース分類を確立します。 これらの画像を自動的に分類する深層学習ベースのアルゴリズムが開発され、その性能は精度、感度、特異度、適合率、F1スコアの指標を用いて評価されます。 誤分類された症例は、画像品質、解剖学的変異、妊娠週数の違いなどの寄与因子を特定するために定性的に分析されます。

AIモデルの出力と専門家がラベル付けした参照データを比較することにより、本研究はモデルが診断の標準化を強化し、観察者間のばらつきを低減する能力を評価します。 研究結果は、出生前神経超音波検査におけるAIベースの意思決定支援システムの統合に関する貴重な知見を提供することが期待されます。 最終的に、本研究は胎児脳異常のより早期かつ信頼性の高い検出を支援し、改善された出生前ケアと母子のより健康的な転帰に貢献することを目指しています。