深層学習に基づく腹部大動脈瘤のボリューム解析
カテゴリ：診断支援・画像解析
公開日：2026年1月11日
タイトル：Deep learning based volumetric analysis of infrarenal abdominal aortic aneurysms characterized on CTA
雑誌名：NPJ Digit Med. 2026 Jan 10; doi: 10.1038/s41746-025-02262-1. Epub 2026 Jan 10.
概 要：
この研究は、腹部大動脈瘤（AAA）のボリューム評価を自動化するための深層学習モデルを訓練・検証することを目的としています。特に、内因性および外因性の検証を通じて、CT血管造影（CTA）に表示された前後のEVAR（内因性大動脈修復）におけるAAAsの自動セグメンテーションとボリューム測定を行います。結果として、AIによるボリューム測定が従来の手法と高い相関を示し、作業効率の向上も確認されました。
方 法：
この研究では、深層学習モデルを用いて、CTA画像に基づく腹部大動脈瘤の自動セグメンテーションとボリューム測定を行いました。モデルは、グラウンドトゥルースセグメンテーションを用いて訓練され、内部および外部の検証が実施されました。主要評価指標として、Dice類似係数と相関係数が使用されました。
結 果：
内部検証における総大動脈瘤の平均Dice類似係数は0.972±0.013、外部検証では0.960±0.035でした。AIによって生成された血栓のボリュームは、内部（r=0.996）および外部検証（r=0.940）で非常に強い相関を示しました。また、総大動脈瘤に対するアルゴリズムによる時間短縮は平均117.1秒（56.0%）でした。
結 論：
この研究により、腹部大動脈瘤の自動ボリューム解析が可能であることが示され、手術の効率を向上させることが期待されます。このモデルは、特定の施設に依存せずに利用できるため、広範な臨床応用が見込まれます。