MEDICINE & AI

タイトル：Improving early detection of temporomandibular joint involvement in juvenile idiopathic arthritis with a clinically interpretable machine learning model. 雑誌名：Sci Rep. 2025 Nov 07; 15(1): 39120. 概　要： 小児特発性関節炎（JIA）は顎関節（TMJ）に影響を及ぼし、歯顔面の変形や口腔症状を引き起こすことがあります。早期の診断と治療開始は患者の結果を最適化するために重要ですが、臨床検査は精度が限られており、TMJの関与を見逃すリスクが高まります。本研究では、JIAの新規診断患者におけるTMJの関与を予測する人工知能（AI）モデルを開発し、専門医の評価と比較してその性能を検証しました。6,153件の標準化された口腔顔面検査データを用いて、XGBoostモデルを訓練し、独立した55人の新規診断患者で評価しました。 方　法： この研究は、1,054人のJIA患者から得られた6,153件の標準化された口腔顔面検査データを用いたコホート研究です。XGBoostモデルは、TMJの関与を予測するために26の臨床的に関連する特徴を選択し、前処理を行いました。モデルの性能は、分類精度と専門医の評価との一致度に基づいて評価されました。 結　果： XGBoostモデルは、TMJの関与を予測する際に85.5%の全体精度を達成しました。モデルの予測は専門医の評価と有意に一致し（p < 0.001）、専門医よりも高いTMJ関与の有病率を示しました。最も影響力のある予測特徴は、顎頭の移動の減少、顔の非対称性、前方突出、患者報告の口腔痛、口を開ける能力の低下でした。 結　論： 開発されたAIモデルは、臨床検査に基づいてTMJの関与を高精度で予測する能力を示しました。早期の検出を促進することで、臨床的意思決定を支援し、迅速な介入を可能にし、患者の結果を改善する可能性があります。