C7隠蔽に対応した頸椎パラメータ測定のための階層的深層学習パイプライン
カテゴリ：手術支援
公開日：2026年2月20日
タイトル：Hierarchical deep learning pipeline for robust cervical parameter measurement in radiographs with C7 obscuration
雑誌名：NPJ Digit Med. 2026 Feb 19; doi: 10.1038/s41746-026-02455-2. Epub 2026 Feb 19.
概 要：
本研究では、側面X線画像におけるC7隠蔽に特化した頸椎の矢状測定を自動化する階層的深層学習パイプラインを開発し、外部で検証しました。このモデルは、グローバルなキーポイント検出器と、C2/C7の専門家を多層パーセプトロンで局所化し、高解像度のパッチ上でランドマークを精緻化します。5604枚の画像で訓練し、C7隠蔽が82%の難易度の高い外部コホートでテストした結果、地上真実との優れた一致を達成しました。
方 法：
この研究は、5604枚の画像を用いたコホート研究です。モデルは、グローバルなキーポイント検出器とC2/C7専門家を組み合わせており、高解像度パッチ上でランドマークを精緻化します。主要評価指標は、頸椎の前弯（ICC 0.97、平均絶対誤差2.6°）、C2傾斜（ICC >0.99、MAE 0.8°）、C7傾斜（ICC 0.93、MAE 2.3°）です。
結 果：
モデルは、頸椎の前弯でICC 0.97（MAE 2.6°）、C2傾斜でICC >0.99（MAE 0.8°）、C7傾斜でICC 0.93（MAE 2.3°）を達成しました。C7傾斜に関しては、AIと専門家の一致率がICC 0.81-0.84で、専門家間の一致率（ICC 0.67）よりも高い結果を示しました。失敗ケースでは、大きなグローバルモデルエラーを修正しました。
結 論：
この堅牢な粗から細へのアプローチは、実世界の条件下での信頼性の高い頸椎アライメント評価を進展させる可能性があります。