自動AI駆動CT定量化に基づくモデルは、難治性マイコプラズマ肺炎の診断に効果的である
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Model based on the automated AI-driven CT quantification is effective for the diagnosis of refractory Mycoplasma pneumoniae pneumonia
雑誌名：Sci Rep. 2024 Jul 13; 14(1): 16172.
概 要：
本研究は、難治性マイコプラズマ肺炎（RMPP）の早期予測モデルを開発することを目的としています。初回CTスキャンにおける肺病変の定量的評価と臨床指標を用いて、RMPPを予測します。2019年1月から2020年12月までに南京医科大学附属小児病院に入院したマイコプラズマ肺炎（MP）患者を対象にした後ろ向きコホート研究を実施しました。126人の小児患者を訓練セットとして使用し、そのうち85例がRMPPと分類されました。2021年1月から12月までの54例の前向きコホートを検証セットとして使用し、予測モデルの性能を評価しました。臨床・画像予測モデルは、Log<sub>2</sub>φと臨床特性を組み合わせて構築され、最高のAUC値を達成しました。
方 法：
本研究は、126人の小児患者を対象にした後ろ向きコホート研究です。患者は、RMPPの有無に基づいて2つのコホートに分けられました。訓練セットには85例のRMPPが含まれ、54例の前向きコホートが検証セットとして使用されました。主要評価指標は、受信者動作特性曲線（AUC）であり、臨床モデルはAUC 0.897、画像モデルはAUC 0.764を示しました。
結 果：
臨床・画像モデルは、訓練セットでAUC 0.897、検証セットでAUC 0.895を達成しました。臨床モデルはAUC 0.810、画像モデルはAUC 0.764を示しました。自動定量化に基づく予測モデルは、RMPPの早期識別に有用であることが示されました。
結 論：
自動化されたCTスキャンによる肺病変の定量化と臨床データを組み合わせた予測モデルは、難治性マイコプラズマ肺炎の早期識別に役立つ可能性があります。