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

深層学習を用いた脊髄硬膜内髄外腫瘍(神経鞘腫と髄膜腫)の鑑別

著者： 牧聡¹ 古矢丈雄¹ 堀越琢郎² 横田元³ 宮本卓弥¹ 沖松翔¹ 志賀康浩¹ 稲毛一秀¹ 折田純久¹ 江口和¹ 大鳥精司¹

所属機関： ¹千葉大学大学院医学研究院整形外科学 ²千葉大学附属病院放射線科 ³千葉大学大学院医学研究院画像診断・放射線腫瘍学

ページ範囲：P.907 - P.912

　畳み込みニューラルネットワーク(convolutional neural network：CNN)を用いてMRIによる神経鞘腫と髄膜腫の鑑別を行い，CNNと2人の放射線科医の鑑別能を比較した．組織学的に診断された神経鞘腫と髄膜腫の患者のMRIを学習に用いた．CNNのROC(receiver operating characteristic)曲線下面積はT2強調像に基づく学習で0.88であり，造影後T1強調像に基づく学習で0.87であった．感度は放射線科医のほうが高く，特異度はCNNのほうが高かった．正確度は両者に有意差はなかった．MRIによる神経鞘腫と髄膜腫の鑑別において，CNNの鑑別能は放射線科医と同等に良好であった．

参考文献

1) Maki S, Furuya T, Horikoshi T, et al. A deep convolutional neural network with performance comparable to radiologists for differentiating between spinal schwannoma and meningioma. Spine (Phila Pa 1976) 2020;45(10):694-700.

2) Iwata E, Shigematsu H, Yamamoto Y, et al. Preliminary algorithm for differential diagnosis between spinal meningioma and schwannoma using plain magnetic resonance imaging. J Orthop Sci 2018;23(2):408-13.

3) Yamaguchi S, Takeda M, Takahashi T, et al. Ginkgo leaf sign:a highly predictive imaging feature of spinal meningioma. J Neurosurg Spine 2015;23(5):642-6.

4) Dillon WP, Norman D, Newton TH, et al. Intradural spinal cord lesions:Gd-DTPA-enhanced MR imaging. Radiology 1989;170(1 Pt 1):229-37.

5) Kim K, Kim S, Lee YH, et al. Performance of the deep convolutional neural network based magnetic resonance image scoring algorithm for differentiating between tuberculous and pyogenic spondylitis. Sci Rep 2018;8(1):13124.