高周波オージオメトリデータを活用した耳鳴り診断のための人工知能アプローチ
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Artificial intelligence approaches for tinnitus diagnosis: leveraging high-frequency audiometry data for enhanced clinical predictions.
雑誌名：Front Artif Intell. 2024; 7: 1381455.
概 要：
本研究は、高周波オージオメトリデータを用いて耳鳴りの診断を改善するための機械学習の応用を調査しました。ロジスティック回帰（LR）モデルと人工ニューラルネットワーク（ANN）、およびさまざまなベースライン分類器を開発し、耳鳴りの有無を分類する最も効果的なアプローチを特定しました。データ前処理、特徴抽出、モデル評価を行い、LRモデルは94.06%の精度、97.06%のAUCを達成し、他の機械学習モデルを大きく上回りました。この研究は、機械学習が耳鳴り診断においてより客観的かつ定量的なツールを提供できる可能性を示唆しています。
方 法：
この研究では、耳鳴りの診断における機械学習の適用を調査しました。ロジスティック回帰モデルと人工ニューラルネットワークを用い、データ前処理、特徴抽出、モデル評価を行いました。評価指標には、精度、ROC曲線下面積（AUC）、精度、再現率、F1スコアが含まれています。
結 果：
LRモデルは94.06%の精度と97.06%のAUCを達成し、高い精度と再現率を示しました。ANNをサポートすることで、他の機械学習モデルを大きく上回る性能を発揮しました。これにより、従来の主観的評価に依存する診断方法を超える効果が確認されました。
結 論：
LRモデルとANNは耳鳴りの正確な診断において有効であり、機械学習が耳鳴りの早期かつ正確な検出を促進する可能性があることが示されました。今後はデータセットの多様性を拡大し、より広範なアルゴリズムを探求し、臨床試験を実施してモデルの実用性を検証することが求められます。