非侵襲的パラメータを用いた男性膀胱出口閉塞診断支援のための二重AIモデルとノモグラムの構築：開発と検証研究
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Building Dual AI Models and Nomograms Using Noninvasive Parameters for Aiding Male Bladder Outlet Obstruction Diagnosis and Minimizing the Need for Invasive Video-Urodynamic Studies: Development and Validation Study
雑誌名：J Med Internet Res. 2024 Jul 23; 26: e58599.
概 要：
本研究は、非神経因性の男性下部尿路症状に関連する膀胱出口閉塞（BOO）の診断を支援するために、非侵襲的な予測モデルを開発することを目的としています。従来のビデオ尿動態検査（VUDS）や圧力流量検査（PFS）は侵襲的であり、BOOの病因を特定するのが難しいため、非侵襲的な手法の必要性が高まっています。307人の男性を対象に、国際排尿機能学会（ICS）による定義に基づくモデルとVUDSによる診断モデルの2つを開発しました。これにより、VUDSの必要性を減少させることが期待されます。
方 法：
2001年から2022年にかけてVUDSを受けたBOOが疑われる男性を対象にした後ろ向き研究を実施しました。307人の患者を対象に、ICS-BOOとVBOOの2つの予測モデルを開発し、6つの機械学習アルゴリズムを使用しました。モデルの性能は、5回の交差検証を用いて評価され、独立したテストセットでの検証も行いました。
結 果：
307人中26.7%（82人）がICS-BOO基準を満たし、82.1%（252人）がVBOOと診断されました。ICS-BOOモデルは、開発検証で平均AUC 0.74、平均精度0.76を示し、テスト検証ではAUC 0.86、精度0.77でした。VBOOモデルは、内部で平均AUC 0.71、精度0.77、外部でAUC 0.72、精度0.76を示しました。両モデルの予測を組み合わせることで、診断経路を簡素化し、VUDSが不要となる可能性がある患者が100人（32.6%）に達しました。
結 論：
非侵襲的な臨床パラメータに基づく2つの機械学習モデルは、男性BOOの診断支援において優れた識別性能を示しました。両モデルが陽性の場合、VUDSを回避できる可能性があり、侵襲的手法の必要性を減少させることが期待されます。