深層学習に基づく結核診断支援システムの開発と応用：西北中国の遠隔地域における実践
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：Development and application of a deep learning-based tuberculosis diagnostic assistance system in remote areas of Northwest China.
雑誌名：Sci Rep. 2025 Oct 31; 15(1): 38192. doi: 10.1038/s41598-025-22037-8. Epub 2025 Oct 31.
概 要：
カシュガル地域は、中国西北部に位置し、結核（TB）の発生率が全国平均を大きく上回っています。地元政府は医療画像を用いた年次TBスクリーニングを実施していますが、放射線科医の不足や診断能力の限界、情報化の低さ、一次医療機関での手作業依存により、従来の医療画像によるTBスクリーニングは効率が低く、誤診や見逃しが多い状況です。本研究では、地域の条件に合わせた深層学習に基づくTB診断支援システムを開発し、一次医療機関の課題を解決し、TBスクリーニングの効率を向上させることを目指しました。10,897人の患者から胸部X線画像を収集し、10,002件を訓練用、895件をテスト用に使用しました。
方 法：
この研究は、10,897人の患者から収集した胸部X線画像を用いたコホート研究です。10,002件の画像を訓練データとして、895件をテストデータとして使用しました。TB-UNETモデルを訓練し、このモデルに基づくTB診断支援システムを開発しました。カシュガル地域の12の県と178の町の病院に展開し、一次医療機関の情報化を促進しました。
結 果：
臨床試験において、放射線科医のTB診断における感度は62.7%から74.5%に11.8%向上し（p＜0.001）、正確性は87.2%から90.0%に2.8%改善しました（p=0.023）。画像の読影にかかる平均時間は38.83秒から15.93秒に短縮されました（p＜0.001）。このシステムは、カシュガル地域におけるTBスクリーニングの効率を大幅に向上させ、誤診や見逃しの率を低下させました。
結 論：
この深層学習に基づくTB診断支援システムは、結核の診断精度を向上させ、スクリーニング効率を高めることが示されました。高い実用価値を持ち、遠隔地域における他の感染症スクリーニングのための再現可能なモデルを提供します。