CTスキャンに基づく骨粗鬆症の深層学習支援自動診断：系統的レビューとメタアナリシス
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Deep Learning-Assisted Automated Diagnosis of Osteoporosis Based on Computed Tomography Scans: Systematic Review and Meta-Analysis
雑誌名：J Med Internet Res. 2025 Nov 24; 27: e77155. doi: 10.2196/77155. Epub 2025 Nov 24.
概 要：
この研究は、CTスキャンに基づく骨粗鬆症の診断における深層学習（DL）モデルの診断性能を調査することを目的とした系統的レビューとメタアナリシスです。骨粗鬆症は骨量の減少と骨折リスクの増加を特徴とする一般的な骨の疾患であり、無症状の進行により診断が遅れることが多いです。本研究では、29,808人の参加者から得られた24の研究を分析し、DLモデルの有望な診断性能を示しましたが、研究間の大きな異質性や外部検証の不足が一般化を制約しています。
方 法：
PRISMAガイドラインに従い、PubMed、Scopus、Web of Science、Embaseから抽出した文献を用いて、成人参加者を対象としたCTスキャンにおけるDLを用いた骨粗鬆症診断に関する研究を含めました。各研究のバイアスリスクはQUADAS-2ツールを用いて評価し、診断性能を要約するために混同行列を抽出しました。感度と特異度を共同で合成し、要約推定を得るために二項ランダム効果モデルを使用しました。
結 果：
メタアナリシスには20の研究が含まれ、骨粗鬆症診断のためのプールされた感度は0.88、特異度は0.94でした。骨減少症の識別に対しては感度0.81、特異度0.92、正常ケースの識別に対しては感度0.95、特異度0.93でした。DLモデルのAUCは、骨粗鬆症、骨減少症、正常ケースの識別においてそれぞれ0.96、0.94、0.98でした。サブグループ分析では、DenseNetバリアント、マルチスライス入力、3Dアーキテクチャ、CTを基準としたモデルが優れた診断性能を示しました。
結 論：
CTベースのDLモデルは骨粗鬆症の診断において有望な性能を示しましたが、研究間の異質性、外部検証の不足、完全なエンドツーエンドパイプラインの欠如が一般化を制約しています。臨床応用と標準化のためにはさらなる研究が必要です。