胸部X線画像と臨床メタデータによるCOVID-19重症度の自動予測：精度と説明可能性を目指して
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Automated prediction of COVID-19 severity upon admission by chest X-ray images and clinical metadata aiming at accuracy and explainability.
雑誌名：Sci Rep. 2023 Mar 14; 13(1): 4226.
概 要：
本研究は、COVID-19の重症度を予測するために、入院時の胸部X線画像と臨床メタデータを用いた自動予測モデルを開発しました。2022年2月に開始されたCovid CXR Hackathonでは、新しい画像データセットと臨床メタデータが提供され、正確性と説明可能性を重視したモデルの構築が求められました。入院時のX線画像と臨床メタデータを組み合わせて、重症度を予測するための最適なモデルを作成し、各特徴の予測力を評価するためのアブレーションスタディも実施しました。結果として、入院時の胸部X線画像は臨床メタデータの予測力を大きく向上させるものではなく、血液サンプルや他の臨床因子と重複する情報が多いことが示されました。
方 法：
本研究は、COVID-19重症度予測のための自動モデルを構築するために、胸部X線画像と臨床メタデータを使用した解析を行いました。データセットには、入院時に収集された胸部X線画像とそれに付随する臨床メタデータが含まれています。モデルの説明可能性を重視し、アブレーションスタディを通じて各特徴の予測力を評価しました。
結 果：
入院時の胸部X線画像は、臨床メタデータの予測力を大きく向上させることはなく、主に血液サンプルや他の臨床因子と重複する情報を含んでいることが明らかになりました。最適なモデルと説明可能なモデルを作成し、臨床メタデータと画像特徴の関連付けを試みました。
結 論：
胸部X線画像は、COVID-19の重症度予測において臨床メタデータの予測力を大幅に向上させるものではないことが示されました。この研究は、入院時のデータを用いた予測モデルの精度と説明可能性の向上に寄与することを目指しています。