深層学習モデルを用いたC2ペディクルスクリュー挿入の術前評価：開発と検証研究
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：Preoperative evaluation of C2 pedicle screw placement using a deep learning model: Development and validation study.
雑誌名：PLoS One. 2026; 21(2): e0342349. doi: 10.1371/journal.pone.0342349. Epub 2026 Feb 11.
概 要：
本研究は、C2ペディクルスクリュー挿入の可行性を迅速かつ正確に評価するための深層学習モデル「C2-Net」を開発し、その性能を検証することを目的としています。従来の術前評価法は、一貫性が低く、操作が複雑で、高度な技術を要するため課題がありました。C2-Netは、CT画像におけるC2ペディクルの画像セグメンテーションとスクリュー挿入確率評価を行う自動化された深層学習パイプラインを採用しています。
方 法：
C2-Netは、CT画像におけるC2ペディクルのセグメンテーションとスクリュー挿入の確率評価を行う2つのモジュールを含む深層学習モデルです。モデルの性能は、3Dプリントされた手動挿入スクリューを基準とし、異なる経験レベルの外科医との比較により評価されました。
結 果：
テストセットにおいて、C2-Netは89.4%の精度、90.0%の感度、89.0%の特異度を達成しました。モデルは、上級外科医と同等の性能を示し、若手外科医よりも数値的に優れた結果を示しました。また、モデルが生成したアテンションマップは、意思決定プロセスの視覚的解釈を提供しました。予測された確率は、C2ペディクルの構造的変異を区別する能力を示しました。
結 論：
C2-Netは、C2ペディクルスクリュー挿入の評価において高い精度と効率を示し、若手外科医よりも優れた性能を発揮しました。迅速で一貫した評価と視覚的解釈を提供する能力により、C2-Netは脊椎手術における臨床意思決定のための貴重な支援ツールとしての可能性を示しています。