臨床整形外科55巻8号

2020年08月発行

特集 整形外科×人工知能

橈骨遠位端骨折を鑑別するArtificial Intelligence(AI)の開発

著者： 岡久仁洋¹ 中尾良二¹ 村瀬剛¹

所属機関： ¹大阪大学大学院医学系研究科器官制御外科学整形外科

ページ範囲：P.899 - P.905

文献概要

　橈骨遠位端骨折X線画像を用いて，骨折の診断と関節内外の骨折型の判定を行うartificial intelligence (AI)の開発を行った．症状，画像検査による整形外科専門医の臨床診断をゴールドスタンダードとした．学習には橈骨遠位端骨折369例729画像，正常129例254画像の単純X線を用いた．それぞれのデータ拡張を行い，骨折3,245画像，正常3,210画像として，骨折の有無を判定する学習を行った．骨折の診断率は97.2±1.4％，感度98.6±1.8％，特異度94.4％±3.9％であった．Area under curve(AUC)は0.993と高い骨折識別能が得られた．AIを用いた骨折診断は，救急医療の現場で専門外である医師が，適切な治療を行うための初期診断のための有用なツールとなる可能性がある．

参考文献

1) Zhou X, Takayama R, Wang S, et al. Deep learning of the sectional appearances of 3D CT images for anatomical structure segmentation based on an FCN voting method. Med Phys 2017;44(10):5221-33.

2) 長谷川玲．AIによるノイズ低減処理「Pixel Shine」．Innervision 2017；32(7)：31-4．

3) Fujisawa Y, Otomo Y, Ogata Y, et al. Deep-learning-based, computer-aided classifier developed with a small dataset of clinical images surpasses board-certified dermatologists in skin tumour diagnosis. Br J Dermatol 2019;180(2):373-81.

4) Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition. CoRR 2014;abs/1409.1556.

5) Ioffe S, Szegedy C. Batch normalization:accelerating deep network training by reducing internal covariate shift. arXiv 2015;abs/1502.03167.

6) Lee H, Tajmir S, Lee J, et al. Fully automated deep learning system for bone age assessment. J Digit Imaging 2017;30(4):427-41.

7) Olczak J, Fahlberg N, Maki A, et al. Artificial intelligence for analyzing orthopedic trauma radiographs. Acta Orthop 2017;88(6):581-6.

8) Lindsey R, Daluiski A, Chopra S, et al. Deep neural network improves fracture detection by clinicians. Proc Natl Acad Sci U S A 2018;115(45):11591-6.