右上葉切除後の無気肺の定量的評価に関する深層学習に基づく研究
カテゴリ：手術支援
公開日：2026年5月1日
タイトル：Deep-learning based quantitative evaluation of postoperative atelectasis following right upper lobectomy
雑誌名：NPJ Digit Med. 2026 Apr 30; doi: 10.1038/s41746-026-02683-6.
概 要：
本研究は、無気肺の評価方法が主観的でありスケーラブルでないことに着目し、右上葉切除後の無気肺を定量化し評価するための自動化された深層学習フレームワークを開発することを目的としています。2008年から2023年までに右上葉切除を受けた患者236人を対象に、術前および術後の肺葉と気道のセグメンテーションモデルを訓練しました。無気肺の重症度は5段階の放射線学的スケールで独立して評価され、体積指標と臨床結果との関連を調査しました。
方 法：
本研究は、2008年から2023年までに右上葉切除を受けた236人の患者を対象とした回顧的研究です。nnU-Net v2セグメンテーションモデルを使用して、術前および術後の肺葉と気道の体積を定量化しました。無気肺の重症度は5段階で評価され、体積指標と臨床結果との関連を分析しました。
結 果：
無気肺の重症度が上がるにつれて、右中葉の体積損失は増加し、グレード0で-4.6 mLからグレード4で-317.8 mLに達しました（p < 0.001）。無気肺のグレード間での右中葉/右肺および右中葉/全肺の体積比は有意差がありました（p < 0.001）。右中葉の無気肺が悪化するにつれて右下葉の体積が増加し（p < 0.001）、代償的な過膨張が示唆されました。無気肺の重症度が高いほど、1年後の気管支鏡検査の必要性が低下することが示されました。
結 論：
深層学習に基づく無気肺の体積評価は、右上葉切除後の臨床的意義を持ち、実用的であることが示されました。このフレームワークは、無気肺の定量的評価において有用なツールとなる可能性があります。