経皮的酸素圧に基づく末梢動脈疾患および下肢創傷治癒のための深層学習診断モデル
カテゴリ：災害・救急医療
公開日：2026年4月12日
タイトル：Deep-learning-based diagnostic models for transcutaneous oxygen pressure-defined peripheral arterial disease and lower extremity wound healing in patients with diabetic foot.
雑誌名：BMC Med Inform Decis Mak. 2026 Apr 11; doi: 10.1186/s12911-026-03477-2.
概 要：
本研究は、経皮的酸素圧（TcPO2）に基づく画像を用いた畳み込みニューラルネットワーク（CNN）を活用し、糖尿病患者の下肢創傷における末梢動脈疾患（PAD）および創傷治癒の検出を目的としています。これまでの研究では、PADと創傷治癒に関する評価が不足しており、本研究では1,407枚の画像を用いて最適なCNNモデルを構築しました。
方 法：
77人の下肢創傷患者から収集した1,407枚のオリジナル画像を用いて、GoogleNet、ResNet 101V2、EfficientNetのCNN深層学習モデルを生成しました。画像前処理とTcPO2に基づくグルーピングを含むフレームワークを構築し、各モデルのPAD検出および創傷治癒の性能を検証しました。
結 果：
確立されたCNN深層学習モデルの中で、ResNet101V2モデルがPAD検出（感度93.08%、精度86.20%）および創傷治癒（感度96.76%、精度88.14%）において最良の性能を示しました。GoogleNetおよびEfficientNetモデルも高い感度と精度を示しました。
結 論：
TcPO2値と画像前処理に基づくCNN深層学習アルゴリズムは、下肢創傷におけるPADおよび創傷治癒の検出において有望なモデルであり、医師がPADを自動的に特定し、創傷治癒をモニタリングするための客観的で信頼性の高い計算ツールを提供します。