胸部X線における肺結核検出のためのアンサンブル深層学習アーキテクチャ
カテゴリ：診断支援・画像解析
公開日：2026年1月10日
タイトル：Ensemble deep learning architectures for detecting pulmonary tuberculosis in chest X-rays
雑誌名：Sci Rep. 2026 Jan 09; 16(1): 1242.
概 要：
本研究は、肺結核（TB）の早期発見を目的としたコスト効果の高い自動スクリーニング手法を提案します。特にリソースが限られた地域において、専門的な放射線診断へのアクセスが制限されているため、診断の遅れや見逃しが発生しています。本手法は、畳み込みオートエンコーダーニューラルネットワークとマルチスケール畳み込みニューラルネットワークを統合したアンサンブル学習アーキテクチャを用いて、胸部X線からのTB検出を行います。評価は2つの公的データセットと1つの私的データセットで実施し、Shenzhenデータセットでは99%の感度と94%の特異度を達成しました。専門の放射線科医による予測のレビューも行われ、モデルの臨床的関連性と診断の信頼性が確認されました。
方 法：
本研究は、胸部X線画像を用いたアンサンブル学習アーキテクチャの開発に関するものです。評価には、2つの公的データセットと1つの私的データセットを使用しました。主要評価指標は、Shenzhenデータセットにおける感度99%、特異度94%です。
結 果：
提案したアンサンブル手法は、胸部X線からの肺結核の検出において、99%の感度と94%の特異度を達成しました。また、全データセットで一貫して高い精度を示し、既存の分類器を上回る0.98の受信者動作特性曲線下の面積（AUC）を達成しました。
結 論：
本研究のアプローチは、特に低中所得国における放射線資源が限られた状況でのTBスクリーニングのための実用的かつスケーラブルなツールとしての可能性を示しています。