連続的な膝関節症の重症度評価のためのAIシステム：ラベルが少ない異常検知に基づくアプローチ
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：An AI system for continuous knee osteoarthritis severity grading: An anomaly detection inspired approach with few labels.
雑誌名：Artif Intell Med. 2025 Sep; 167: 103138.
概 要：
この研究は、膝関節症（OA）の重症度を自動的に連続的に評価するための新しいAIシステムを提案します。従来のOA評価システムの診断精度と主観性に関する問題を解決することを目的とし、異常検知の原則に基づいた三段階のアプローチを採用しています。最初の段階では、健康な膝のX線画像から「正常」な表現を学習する自己教師あり異常検知技術（SS-FewSOME）を用い、既存の方法の3%未満のラベルで済むようにします。次に、未ラベルデータの一部を「正常」または「異常」として擬似ラベル付けし、CLIPを用いて擬似ラベルのノイズを除去します。最後に、ラベル付きデータと擬似ラベル付きデータを用いて再訓練し、正常と異常の二つの表現空間の中心を学習します。この方法は、OAの検出において最大24%の性能向上を示し、重症度スコアは人間の専門家のパフォーマンスと同等のレベルでKellgren-Lawrenceグレーディングシステムと相関します。
方 法：
この研究は、異常検知に基づく三段階のアプローチを採用しています。第一段階では、健康な膝のX線画像から「正常」な表現を学習する自己教師あり異常検知技術（SS-FewSOME）を使用し、ラベルは3%未満で済みます。第二段階では、擬似ラベルを用いて未ラベルデータを「正常」または「異常」として分類し、CLIPでノイズを除去します。第三段階では、ラベル付きデータと擬似ラベル付きデータを用いて再訓練し、正常と異常の中心を学習します。
結 果：
提案された方法は、OAの検出において最大24%の性能向上を達成しました。重症度スコアは、Kellgren-Lawrenceグレーディングシステムと同等のレベルで人間の専門家のパフォーマンスと相関しています。
結 論：
このAIシステムは、膝関節症の重症度を高精度で評価する可能性を示しており、従来の方法に比べて大幅な改善を実現しています。少ないラベルでの学習が可能であり、臨床現場での応用が期待されます。