多次元MRI表現と特権学習アプローチによる虚血性脳卒中患者の機能的結果予測
カテゴリ：災害・救急医療
公開日：2026年5月10日
タイトル：Multi-dimensional MRI representation and privileged learning approaches to functional outcome prediction for ischemic stroke patients.
雑誌名：NPJ Digit Med. 2026 May 10; doi: 10.1038/s41746-026-02708-0.
概 要：
脳卒中患者の長期的な機能的結果の正確な予測は依然として臨床的な課題です。本研究では、2.5D磁気共鳴画像（MRI）、臨床データ、画像バイオマーカーを融合させて、虚血性脳卒中患者の90日後の修正Rankinスケール（mRS）を予測するための強化された表現学習パイプラインを提案します。自動エンコーダー生成のMRI埋め込みを使用し、分類（90日後のmRS > 2）と順序回帰のための複数の機械学習（ML）/人工知能（AI）手法を系統的に評価しました。特に、推論時に必要としない特徴を利用してモデルの一般化能力を向上させる特権情報パラダイムを組み込みました。大規模な公的データセット（N=974）と外部検証データセット（N=738）でモデルを開発・検証し、最先端の畳み込みニューラルネットワークベースのアプローチと同等の性能を示しました。
方 法：
本研究は、974人の虚血性脳卒中患者を対象にした研究で、2.5D MRI、臨床データ、画像バイオマーカーを融合した表現学習を用いました。自動エンコーダーを用いて生成されたMRI埋め込みを基に、90日後のmRSの分類と順序回帰のために複数のML/AI手法を評価しました。主要評価指標は、テストAUC 0.801、F1スコア 0.699、平均絶対誤差（MAE）1.179です。
結 果：
提案したモデルは、テストデータにおいてAUC 0.801、F1スコア 0.699、MAE 1.179を達成し、最先端の畳み込みニューラルネットワークベースのアプローチと同等の性能を示しました。特権情報パラダイムを利用することで、モデルの一般化能力が向上しました。
結 論：
本研究は、表現学習と特権情報パラダイムが計算神経学における研究と臨床予測のギャップを埋める可能性を示しています。これにより、脳卒中患者の機能的結果の予測精度が向上することが期待されます。