深層学習に基づく画像および動画分析を用いた先天性心疾患の出生前検出：国際的多施設多職種研究「CAIFE」のプロトコル
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：Prenatal detection of congenital heart defects using the deep learning-based image and video analysis: protocol for Clinical Artificial Intelligence in Fetal Echocardiography (CAIFE), an international multicentre multidisciplinary study.
雑誌名：BMJ Open. 2025 Jun 05; 15(6): e101263.
概 要：
先天性心疾患（CHD）は、子どもの健康において重要な問題であり、新生児および小児死亡の主要な原因です。超音波を用いたCHDの出生前検出は、周産期管理を改善し、新生児の死亡率や合併症を減少させる可能性があります。しかし、出生前の検出率は34%から85%と幅があり、一部の低中所得国では9.3%にとどまることもあります。本研究では、AIモデルを用いて、特に専門知識が不足している環境でのCHDのリアルタイム検出を目指します。
方 法：
本研究は、オックスフォード大学の臨床チームと工学チームが主導する国際的な多施設多職種協力研究です。データ収集には、オックスフォード（UK）、ロンドン（UK）、サウスポート（オーストラリア）の5つの病院が参加し、正常な心臓を持つ胎児（13,000件）とCHDを持つ胎児（1,000件）の合計14,000件の超音波スキャンを収集します。さらに、正常な心臓（2,000件）および主要なCHD（400件）の胎児から2400件の前向き超音波心臓スキャンを行い、合計16,400件のデータを使用してAIモデルを構築、訓練、検証します。
結 果：
本研究の結果は、地域、国家、国際的な会議や査読付きジャーナルを通じて発表される予定です。研究は2023年3月8日に倫理委員会の承認を受けており、すべての協力病院で研究開発の承認を得ています。
結 論：
本研究は、AIを活用した出生前の先天性心疾患検出の精度向上を目指しており、特にリソースが限られた環境での臨床応用に貢献することが期待されます。