内因性出血検出AIの自動リアルタイム評価のためのアンサンブルモニタリングモデル（EMM）
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：Automated real-time assessment of intracranial hemorrhage detection AI using an ensembled monitoring model (EMM)
雑誌名：NPJ Digit Med. 2025 Oct 16; 8(1): 608. doi: 10.1038/s41746-025-02007-0. Epub 2025 Oct 16.
概 要：
本研究は、放射線学におけるAIツールが展開後に監視されないことによる課題に対処するため、アンサンブルモニタリングモデル（EMM）を提案します。AIの予測信頼度をリアルタイムで評価することができないため、ユーザーは信頼できる予測と不確実な予測を区別する必要があり、認知的負担が増加し、生産性が低下し、誤診のリスクが高まります。EMMは、2919件の研究を用いた内因性出血検出をテストケースとして、AIによる予測の信頼度を分類し、適切な行動を提案し、医師が低信頼度のシナリオを認識するのを助けることができることを示しました。これにより、認知的負担を軽減することが期待されます。
方 法：
本研究は、2919件の多様なデータセットを用いたコホート研究です。EMMは、内部AIコンポーネントや中間出力にアクセスすることなく、商業用AI製品に特化して設計されており、信頼度の測定を提供します。主要評価指標は、AI生成予測の信頼度の分類と、医師への適切な行動の提案です。
結 果：
EMMは、AIによる予測の信頼度を成功裏に分類し、医師が低信頼度のシナリオを認識できるよう支援しました。このモデルは、認知的負担を軽減し、医療現場でのAIの信頼性を向上させる可能性があります。
結 論：
EMMは、AIによる内因性出血検出の信頼度をリアルタイムで評価し、医師の判断を支援する新しいフレームワークとして、臨床現場への導入が期待されます。これにより、誤診のリスクを低減し、医療の質を向上させることが可能です。