CTにおける頭蓋内および脳室容積のセグメンテーションと定量化のための深層学習モデルの臨床検証パイプライン
カテゴリ：災害・救急医療
公開日：2026年8月25日
タイトル：Clinical validation pipeline of a deep learning model for segmenting and quantifying intracranial and ventricular volumes on computed tomography.
雑誌名：Sci Rep. 2026 Aug 25; 16(1): doi: 10.1038/s41598-026-49678-7.
概 要：
この研究は、CTスキャンにおける頭蓋内容積（ICV）と側脳室容積（LVV）のセグメンテーションと定量化のための深層学習モデルDeepCTE3Dの臨床検証を目的としています。医療画像の解釈は専門家の可用性に依存しており、リソースが限られた地域では困難です。本研究では、さまざまな患者の人口統計やスキャナーモデルを含む実世界のデータセットを用いてモデルの性能を評価しました。DeepCTE3Dは、ICVおよびLVVの高い類似スコアを達成し、臨床トリアージや神経画像診断の向上に寄与する可能性が示されました。
方 法：
本研究は、3Dアーキテクチャに基づく深層学習モデルDeepCTE3Dを使用し、CTスキャンからICVとLVVをセグメント化および定量化するための臨床検証パイプラインを開発しました。多様な患者デモグラフィックとスキャナーモデルを含む実世界のデータセットを用いて、モデルの出力とグラウンドトゥルース結果を比較しました。
結 果：
DeepCTE3Dは、ICVおよびLVVのセグメンテーションにおいて高い類似スコアを達成しました。追加分析では、患者の性別やスキャナーモデル間でLVVおよびICVに差異が見られましたが、これらの差異は臨床的に有意ではありませんでした。
結 論：
DeepCTE3Dは、CTスキャンにおける頭蓋内および脳室容積の定量化において高い精度を示し、特にMRIが利用できない状況での神経画像診断の向上に寄与する可能性があります。