解剖学的制約付き注意機構を用いたマルチモーダル深層学習によるパノラマ画像からのMRI検出可能な顎関節異常のスクリーニング
カテゴリ：診断支援・画像解析
公開日：2026年1月24日
タイトル：Multimodal deep learning with anatomically constrained attention for screening MRI-detectable TMJ abnormalities from panoramic images.
雑誌名：NPJ Digit Med. 2026 Jan 23; doi: 10.1038/s41746-026-02378-y. Epub 2026 Jan 23.
概 要：
この研究は、顎関節障害の早期診断を目的として、MRIで検出可能な顎関節（TMJ）病変の包括的なスクリーニング方法を開発しました。開口および閉口時のTMJパノラマX線画像と構造化された臨床メタデータを活用した解釈可能な深層学習フレームワークを構築しました。このアーキテクチャは、解剖学的に誘導された注意機構、マルチモーダル臨床特徴、アンサンブル学習を統合し、診断精度と解釈性を向上させました。1355人の患者（2710関節）を対象にした結果、最も優れたアンサンブルフレームワークは、AUC 0.86を達成し、MRI陰性および陽性ケースのバランスの取れた分類を示しました。
方 法：
この研究は、1355人の患者を対象にしたコホート研究で、開口および閉口時のTMJパノラマX線画像と臨床メタデータを用いています。解剖学的に制約された注意機構を持つ深層学習フレームワークを開発し、アンサンブル学習を通じて診断精度を向上させました。主要評価指標は、AUC 0.86です。
結 果：
最も優れたアンサンブルフレームワークは、AUC 0.86を達成し、MRI陰性および陽性ケースのバランスの取れた分類を実現しました。グラデーション重み付けクラス活性化マッピングの可視化により、顎頭領域に一貫した焦点が確認され、臨床メタデータと空間的注意の追加価値が示されました。
結 論：
このプロトタイプのワークフローは、TMJ患者をMRI紹介のためにトリアージするのに役立ち、TMJ異常の早期発見と適時の介入を支援する可能性があります。