MEDICINE & AI

タイトル：Deep learning for intracranial hemorrhage detection and classification in brain CT scans: a systematic review and hybrid model approach. 雑誌名：Front Digit Health. 2026; 8: 1703634. doi: 10.3389/fdgth.2026.1703634. 概　要： 頭蓋内出血（ICH）は迅速かつ正確な診断を要する生命を脅かす医療緊急事態です。非造影CTは急性出血の検出における主要な画像診断法です。本研究は、非造影CTスキャンからのICH検出と分類に適用された機械学習（ML）および深層学習（DL）手法を統合し、批判的に分析することを目的としています。近年、MLおよびDLアプローチが自動検出と分類において注目を集めています。 方　法： ICHおよびその亜型（硬膜外、硬膜下、脳実質内、脳室内、くも膜下出血）の特定に向けたMLおよびDLモデルに関する文献を包括的にレビューしました。レビュー対象には、従来の畳み込みニューラルネットワーク（CNN）、三次元CNN、ハイブリッドおよびアンサンブルフレームワーク、トランスフォーマーベースのアーキテクチャが含まれます。前処理戦略として、ハウンスフィールド単位のウィンドウ処理、頭蓋骨除去、データ拡張が検討されました。また、モデルの解釈性を向上させるための説明可能な人工知能（XAI）アプローチも評価されました。 結　果： 最近の研究では、複数の深層学習アーキテクチャにおいて有望な診断性能が示され、亜型分類の感度と特異度が改善されています。ハイブリッドおよびトランスフォーマーベースのモデルは、特徴表現能力が向上しています。前処理技術と説明可能性手法は、モデルの堅牢性と臨床的解釈性に大きく寄与しています。 結　論： 機械学習および深層学習モデルは、非造影CTスキャンからの自動ICH検出と分類において大きな可能性を示しています。しかし、一般化可能性、データセットの異質性、臨床的検証に関する課題が残っています。今後の研究では、大規模な多施設検証、モデルの解釈性、実際の臨床ワークフローへの統合に重点を置くべきです。