MEDICINE & AI

タイトル：Acoustic cues into a surgeon-assist physical AI for detecting bone penetration during spinal surgery 雑誌名：Sci Rep. 2026 Apr 19; 16(1): doi: 10.1038/s41598-026-48857-w. 概　要： 本研究は、脊椎手術中の骨穿通を検出するための人工知能（AI）モデルの開発を目的としています。熟練した外科医は骨を切る音の微妙な変化を感知し、骨穿通を認識しますが、音響的手がかりは主観的で外科医の経験に依存します。1,236回のチゼル打撃音を収録し、穿通または非穿通としてラベル付けしました。音響特徴を抽出し、動的な時間変化を捉えるためにスライディングウィンドウを使用しました。モデルの性能は、受信者動作特性曲線（ROC-AUC）と精度-再現率曲線（PR-AUC）を用いて評価しました。 方　法： この研究では、脊椎の減圧手術中に得られた1,236回のチゼル打撃音を対象に、骨穿通を検出するAIモデルを開発しました。音響特徴を抽出し、3回のスライディングウィンドウを用いて動的変化を捉えました。勾配ブースティング機械学習分類器（LightGBM）を訓練し、データの10%を独立したテストセットとして確保しました。モデルの性能はROC-AUCとPR-AUCを用いて評価しました。 結　果： 独立したテストセットにおいて、モデルはROC-AUC 0.838、PR-AUC 0.604を達成しました。感度分析では、感度0.828、特異度0.767、精度0.784、F1スコア0.686、精度0.585を示しました。特徴重要度分析により、連続する打撃間の動的変化（メル周波数ケプストラム係数（MFCC）、ゼロ交差率、スペクトルコントラスト）が最も影響力のある予測因子であることが明らかになりました。 結　論： このAIモデルは、脊椎手術中の骨穿通を検出する堅牢な能力を示し、臨床的に受け入れ可能なPR-AUCを達成しました。外科医が主観的に解釈していた音響的手がかりを定量化することで、手術中の意思決定や外科医の訓練を支援する可能性があります。