説明可能な人工知能による前後面X線画像での不完全な非定型大腿骨骨折の検出
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Detection of incomplete atypical femoral fracture on anteroposterior radiographs via explainable artificial intelligence
雑誌名：Sci Rep. 2023 Jun 27; 13(1): 10415.
概 要：
本研究は、不完全な非定型大腿骨骨折の早期発見と完全骨折への進行防止を目的としています。不完全骨折は、一般医や整形外科医によって正常な病変と誤診されることが多く、正確な診断には専門家の相談が必要です。この制約を克服するために、転移学習に基づくアンサンブルモデルを開発し、骨折の検出と位置特定を行いました。1050枚のX線画像（不完全骨折100件を含む）を用いて、Sobelフィルターを適用して前処理を行いました。6つのモデル（EfficientNet B5、B6、B7、DenseNet 121、MobileNet V1、V2）を選択し、最も高い精度を持つ3つのモデルと5つのモデルに基づく2つのアンサンブルモデルを構成しました。最も高い精度を持つモデルを使用した場合の曲線下面積（AUC）は0.998でした。この研究は、転移学習に基づくモデルのアンサンブルが不均衡なデータセットでも骨折を正確に分類・検出できることを示しています。
方 法：
本研究は、1050枚のX線画像を対象にした研究で、不完全骨折100件を含みます。画像はSobelフィルターを用いて前処理され、6つの異なるモデルを選択して転移学習を行いました。最も高い精度を持つ3つのモデルと5つのモデルに基づくアンサンブルモデルを構成し、主要評価指標としてAUCを使用しました。
結 果：
最も高い精度を持つモデルを使用した場合のAUCは0.998であり、転移学習に基づくアンサンブルモデルが骨折を正確に分類・検出できることが示されました。このAI支援診断アプリケーションは、高速かつ高精度で臨床医の意思決定を支援し、作業負担を軽減する可能性があります。
結 論：
転移学習に基づくアンサンブルモデルは、不完全な非定型大腿骨骨折の検出において高い精度を示し、臨床現場での診断支援に寄与することが期待されます。