アスリートにおける膝関節症の軽量早期検出
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Lightweight early detection of knee osteoarthritis in athletes
雑誌名：Sci Rep. 2025 Aug 26; 15(1): 31413. doi: 10.1038/s41598-025-04095-0. Epub 2025 Aug 26.
概 要：
この研究は、アスリートにおける膝関節症（OA）の早期検出のための新しいアプローチを提案しています。OAは関節軟骨の進行性の劣化を特徴とし、特に体重を支える関節に多く見られます。早期発見は効果的な管理と長期的な合併症の予防に不可欠です。本研究では、EfficientNet-B0アーキテクチャにEfficient Channel Attention（ECA）モジュールを組み合わせたモデルを用いて、健康なケースと早期OAケースの二項分類を行いました。実験の結果、提案したモデルは、ResNet-50やVGG-16、DenseNetなどの従来の手法と比較して、優れた精度、適合率、再現率を達成しました。
方 法：
本研究は、Knee Osteoarthritis Severity Grading Datasetを用いたコホート研究です。提案したモデルは、EfficientNet-B0アーキテクチャを基にし、ECAモジュールを統合することで、軽量かつ計算効率の高い特徴再キャリブレーションを実現しました。主要評価指標は、健康なケースと早期OAケースの二項分類における精度、適合率、再現率です。
結 果：
提案したモデルは、従来のアーキテクチャと比較して、精度、適合率、再現率において優れた結果を示しました。特に、クラス活性化マップ（CAM）を用いて、OAの進行を示す関節隙の狭小化や骨棘形成などの臨床的に関連する特徴を特定する能力が確認されました。
結 論：
提案した軽量アーキテクチャは、自動化されたOA診断の新たな基準を設定し、高性能とリソース効率のバランスを強調しています。このモデルは、リアルタイムの臨床応用に適した強力な候補であり、早期介入を通じて患者の転帰改善に寄与する可能性があります。