PETバイオマーカーからの冠動脈疾患診断のための解釈可能なAIの多施設評価
カテゴリ：診断支援・画像解析
公開日：2026年1月16日
タイトル：Multicenter evaluation of interpretable AI for coronary artery disease diagnosis from PET biomarkers
雑誌名：NPJ Digit Med. 2026 Jan 14; doi: 10.1038/s41746-026-02338-6. Epub 2026 Jan 14.
概 要：
本研究は、心筋灌流イメージング（MPI）のためのポジトロン放出断層撮影（PET）/コンピュータ断層撮影（CT）を用いて、冠動脈疾患（CAD）の診断精度を向上させるために、主要な臨床PET MPIパラメータを統合した人工知能（AI）モデルを開発しました。17,348人の患者から、1664人の侵襲的冠動脈造影を受けたCAD未既往の患者を対象に後ろ向き分析を行い、AIモデルの外部検証を3つの独立した施設で実施しました。AIモデルは、受信者動作特性曲線（AUC）で0.83を達成し、経験豊富な医師や個々のバイオマーカーよりも優れた性能を示しました。
方 法：
本研究は、17,348人の患者を対象にした多施設共同研究です。1664人の患者が侵襲的冠動脈造影を受け、CADの既往がないことが確認されました。AIモデルは、CTの減衰補正マップから得られた冠動脈石灰化（CAC）スコアを用い、10の画像由来パラメータ（CAC、ストレス/安静時左室駆出率、ストレス心筋血流、心筋血流予備能、虚血性およびストレス時の総灌流欠損、瞬時虚血拡張比、心拍圧積、性別）を基にXGBoostモデルを訓練しました。主要評価指標は、テストコホートにおけるAUCです。
結 果：
テストコホート（n=1278; CAD有病率53%）において、AIモデルはAUC 0.83を達成し、経験豊富な医師（0.80、p=0.02）や虚血性TPD（0.79、p<0.001）、MFR（0.75、p<0.001）などの個々のバイオマーカーを上回る性能を示しました。性別、体格指数、年齢に関しても性能は一貫していました。
結 論：
AIを用いた冠動脈疾患の診断は、灌流、血流、CACスコアを統合することでPET MPIの診断精度を向上させ、自動化された解釈可能な予測を提供する可能性が示されました。