XAIと臨床データ統合によるIBD患者におけるエプスタイン・バーウイルス検出の向上
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Enhancing Epstein-Barr virus detection in IBD patients with XAI and clinical data integration
雑誌名：Comput Biol Med. 2025 Jan; 184: 109465.
概 要：
本研究は、炎症性腸疾患（IBD）患者におけるエプスタイン・バーウイルス（EBV）感染の検出を目的とした説明可能なAI（XAI）モデルを開発しました。従来の内視鏡技術にはEBV診断の限界があり、侵襲性や高コストが課題です。287人の患者から得た1598枚の内視鏡画像を分析し、データ拡張と転移学習を用いてEBVの有無を正確に分類しました。モデルの性能はROC曲線分析で評価され、臨床データとの統合により診断精度が向上しました。
方 法：
本研究では、287人のIBD患者から得た1598枚の内視鏡画像を用いたコホート研究を実施しました。XAIモデルは、データ拡張と転移学習技術を適用し、EBV感染の検出を目指しました。主要評価指標は、ROC曲線分析によるAUCの計算を含みます。
結 果：
開発したモデルは、ResNet50、Vision Transformer（ViT）、MobileNet v2などの他のモデルを上回り、内視鏡画像におけるEBV検出で73.83%の精度と73.70%のF1スコアを達成しました。混同行列とROC曲線分析に基づき、真陰性率79.76%、真陽性率67.32%、AUCは0.74でした。また、生成されたサリエンスマップはEBV感染患者の病変検出を強化しました。EBV感染は、年齢、病歴、総ビリルビンなどの臨床パラメータと有意な関連があり、潰瘍性大腸炎（UC）患者における発生率がクローン病（CD）患者よりも高いことが示唆されました。
結 論：
本研究は、内視鏡画像におけるEBVの正確な検出を可能にするXAI支援システムを成功裏に構築し、臨床データとの統合を通じてEBV感染の診断を改善することができました。