困難気道予測のための超音波ベースの人工知能フレームワーク：二モデル・三ステップの意思決定フレームワーク
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：An ultrasound-based artificial intelligence framework for difficult airway prediction: A two-model, three-step decision framework.
雑誌名：PLoS One. 2026; 21(2): e0342339. doi: 10.1371/journal.pone.0342339. Epub 2026 Feb 18.
概 要：
本研究は、困難気道の早期警告に関する課題を解決するために、超音波画像を用いた人工知能（AI）フレームワークを構築し、内部検証を行うことを目的としています。903人の患者を対象に、2つのAIモデル（CL-AIとVIDIAC-AI）を開発し、困難気道のリスク層別化を行いました。これにより、臨床医の意思決定を支援するツールとしての可能性を示しています。
方 法：
本研究では、2024年5月から2025年4月までに青島大学附属病院で選択的全身麻酔手術を受けた903人の患者を対象としました。752件をモデルの訓練と検証に使用し、151件を内部テストセットとしました。各患者に対して4つの頸部超音波画像をスキャンし、2つのAIモデルを開発しました。モデルの性能は5分割交差検証と内部テストで評価しました。
結 果：
903人の患者のうち、直接喉頭鏡下で189件（20.9%）、ビデオ喉頭鏡下で50件（5.5%）の困難喉頭鏡が発生しました。独立したテストセットにおいて、CL-AIモデルはAUC 0.86（95% CI: 0.79-0.91）、精度0.84、感度0.84、特異度0.84、適合率0.59、F1スコア0.69を達成しました。VIDIAC-AIモデルはAUC 0.82（95% CI: 0.75-0.88）、精度0.81、感度0.75、特異度0.81、適合率0.18、F1スコア0.29を示しました。
結 論：
本研究は、困難喉頭鏡露出のリスク層別化のための超音波ベースのAIフレームワークを提案します。この二モデル・三ステップの意思決定フレームワークは、独立した診断方法ではなく、臨床医の意思決定支援ツールとしての利用を意図しており、大規模な多施設コホートでのさらなる検証が必要です。