入院したインフルエンザ患者における死亡率予測：深層学習に基づく胸部X線重症度スコア（FluDeep-XR）と臨床変数の統合
カテゴリ：診断支援・画像解析
公開日：2026年1月29日
タイトル：Predicting mortality in hospitalized influenza patients: integration of deep learning-based chest X-ray severity score (FluDeep-XR) and clinical variables.
雑誌名：J Am Med Inform Assoc. 2026 Jan 01; 33(1): 133-143. doi: 10.1093/jamia/ocae286.
概 要：
本研究は、放射線データと客観的臨床データを統合した初の人工知能システムを開発し、高リスクのインフルエンザ患者の早期予測を目指しました。台湾の国立台湾大学病院からのコホートを用い、イタリアのASST Grande Ospedale Metropolitano Niguardaからの外部検証データを活用しました。胸部X線（CXR）重症度スコアモデルFluDeep-XRを構築し、臨床データとの融合を通じて30日間の死亡率を予測しました。
方 法：
本研究は、国立台湾大学病院のコホートを用いた研究です。CXR重症度スコアモデルFluDeep-XRは、ImageNetで事前学習された畳み込みニューラルネットワークを使用し、5段階スケールで回帰的に訓練されました。CXR重症度と臨床データの重みを変化させた早期、遅延、共同融合構造を設計し、30日間の死亡率を予測しました。最も性能の良いモデルはFluDeepと名付けられました。
結 果：
FluDeep-XRは、外部検証データセットで平均二乗誤差0.738を達成しました。ランダムフォレストを用いた遅延融合モデルFluDeepは、受信者動作特性曲線の面積0.818、感度0.706を達成し、他のモデルを上回りました。重要な臨床特徴として、年齢、C反応性タンパク質、ヘマトクリット、心拍数、呼吸数が特定されました。
結 論：
医療画像と客観的臨床データの統合は、インフルエンザ患者の30日間の死亡率予測において単一モダリティモデルを上回ることが示されました。FluDeepは、放射線情報と臨床情報を組み合わせた遅延融合設計の可能性を示し、診断精度を向上させることが期待されます。