MEDICINE & AI

タイトル：Advancing diagnostic equity through artificial intelligence chest radiograph screening for osteoporosis in Asian populations DOI：10.1038/s41746-026-02484-x 概　要：この研究は、骨密度（BMD）の異常を早期に特定するためのAIモデルを検証し、骨粗鬆症による骨折を予防することを目的としています。台湾で健康診断を受けた2384人の無症状成人（女性57.7%、平均年齢43.6歳）を対象に、DXAを基準としてAIモデルの性能を評価しました。モデルは255件の異常BMDの疑いを示し、そのうち94件（3.9%）がDXAで陽性と確認されました。集団レベルでの性能は堅牢で、AUCは0.95（95% CI 0.93-0.99）、感度は79.7%（95% CI 71.3-86.5%）でした。特に正常BMIの女性において、AIによる紹介が「全員紹介」や「誰も紹介しない」戦略よりも優れたネットベネフィットを示しました。このAIツールは、アジアの健康診断集団における正確なトリアージを提供しますが、広範な一般化を確認するためにはさらなる多施設コホートでの検証が必要です。 方　法：この研究は、2384人の無症状成人を対象としたコホート研究です。参加者は台湾で健康診断を受けた人々で、AIモデルはDXAを基準としてBMDの異常を特定するために使用されました。主要評価指標は、AUC 0.95および感度79.7%です。 結　果：AIモデルは、255件の異常BMDの疑いを示し、そのうち94件（3.9%）がDXAで陽性と確認されました。集団レベルでの性能はAUC 0.95、感度79.7%でした。特に正常BMIの女性において、AIによる紹介が従来の戦略よりも優れたネットベネフィットを示しました。 結　論：AIモデルは、アジア人集団における骨密度の異常を高精度で特定し、特に正常BMIの女性に対して有効なトリアージを提供する可能性が示されました。さらなる多施設での検証が必要ですが、骨粗鬆症の早期発見に向けた新たなアプローチとして期待されます。