ログイン・会員登録

会員の方

ID・パスワードをお持ちの方は、
こちらからログインください。

パスワードをお忘れの方はこちら

認証キーの承認をされる方はこちら

2016年1月より会員IDがメールアドレスに統一されました。

会員登録されていない方

会員限定コンテンツのご利用には、会員登録が必要です。

新規会員登録

サイトマップお問合わせ

  • 新規会員登録
  • ログイン

2021/6

低線量胸部CT画像から評価した石灰化スコアでCVD 5年死亡率を予測
ディープラーニングでスコアリングを自動化

Calcium Scores From Low-Dose Lung CT Can Predict CVD Mortality

肺がん検診の低線量胸部CT画像から、ディープラーニング(深層学習)を活用して自動評価した石灰化スコアにより、心血管疾患(CVD)による5年死亡率を予測できる可能性を示す研究結果が、「Radiology: Cardiothoracic Imaging」に4月15日報告された。

アムステルダム大学医療センター(オランダ)のBob D. de Vos氏らは、National Lung Screening Trialに参加し、2002年8月~2004年4月に低線量CT検査を受けた成人男女5,564人を対象に、ディープラーニングを活用して胸部CT画像から自動評価した石灰化スコアによるCVDの5年死亡率の予測能を調べる後ろ向き研究を実施した。

研究では、ディープラーニングネットワークを活用し、参加者の低線量胸部CT画像から6カ所の解剖学的部位(胸部大動脈、大動脈弁および僧帽弁、左冠動脈主幹部、左前下行枝、右冠動脈)に関してそれぞれの石灰化スコアを定量化した。CVD死亡率の予測には、多変量ロジスティック回帰分析を用いた。これらの手法を、自己申告による年齢や喫煙歴、病歴などに基づくベースライン予測と比較した。

5,564人のうち4,451人(年齢中央値61歳、女性が37.9%)の参加者のCT画像(トレーニングセット)を用いて予測モデルを作成し、残りの1,113人(同61歳、37.9%)の画像(テストセット)を用いてモデルの精度を検証した。その結果、石灰化スコアを用いた予測モデルのC統計量は0.74(95%信頼区間0.69〜0.79)で、参加者の自己申告データのみを用いたベースラインモデル〔C統計量0.69(同0.64〜0.74)〕を上回っていた。また、予測精度は変数をすべて考慮した場合に最も高かった〔C統計量0.76(同0.71〜0.80)、P<0.001〕。

これらの結果を踏まえて著者らは、「機械学習を用いて低線量CT画像から自動評価した石灰化スコアにより、CVDの5年死亡率を予測できることが分かった」と結論。「ベースラインの患者背景を用いずとも、肺がんスクリーニングの胸部CT画像に基づく分析から、CVD死亡リスクが高い人を見つけ出すことができる可能性がある」と期待を示している。

なお、2名の著者が医療機器メーカーとの利益相反(COI)に関する情報を明らかにしている。(HealthDay News 2021年4月30日)

Calcium Scores From Low-Dose Lung CT Can Predict CVD Mortality

Prediction model based on vascular calcification identified on low-dose CT outperformed model based on participant characteristics

FRIDAY, April 30, 2021 (HealthDay News) -- Information automatically extracted from low-dose lung computed tomography (CT) imaging can predict five-year cardiovascular disease (CVD) mortality, according to a study published online April 15 in Radiology: Cardiothoracic Imaging.

Bob D. de Vos, Ph.D., from Amsterdam University Medical Center, and colleagues conducted a retrospective study involving 5,564 participants who underwent low-dose CT from the National Lung Screening Trial. Six types of vascular calcification (thoracic aorta calcification, aortic and mitral valve calcification, and coronary artery calcification of the left main, left anterior descending, and right coronary artery) were quantified after training a deep learning network. Prediction of CVD mortality was performed with multivariable logistic regression; the methods were compared to semiautomatic baseline prediction using self-reported participant characteristics.

The researchers trained the prediction model with data from 4,451 participants and tested it on data from 1,113 participants. Using calcium scores, the prediction model achieved a C statistic of 0.74, which outperformed the baseline model using participant characteristics (C statistic, 0.69). Combining all variables yielded the best results (C statistic, 0.76).

"We have shown that five-year CVD mortality can be predicted for lung screening participants in less than half a second, using only site-specific calcium scores automatically derived from lung screening low-dose CT," the authors write. "The proposed image-based analysis could aid in identification of lung screening participants at risk for CVD mortality, without relying on self-reported participant data."

Two authors disclosed financial ties to the medical technology industry.

Copyright © 2021 HealthDay. All rights reserved.

2021年の医療AIレポート一覧へ
掲載内容について
本サイトは、記事コンテンツおよびサブコンテンツで構成されます。記事コンテンツにおいては、HealthDay Newsとして掲載された医療AI情報の記事をJapan編集部が翻訳して配信しています。記事の具体的な内容については、原著にて確認することをお勧めいたします。サブコンテンツにおいては、厚生労働省の「保健医療分野におけるAI活用推進懇談会」報告書から「AIの活用に向けた工程表」「健康・医療・介護・福祉分野においてAIの開発・利活用が期待できる領域」を掲載し、日本の政府の方針についてお知らせしています。本コンテンツの運営は、株式会社テクノミックが行い、武⽥薬品⼯業株式会社の関与はありません。また、本コンテンツに含まれる治療⽅法等は武⽥薬品⼯業株式会社が推奨・保証するものではありません。本コンテンツの情報に含まれる薬剤については、最新の国内添付文書でご確認ください。
著作権について
本コンテンツに掲載されている内容の無断転載・配布を固く禁じます。武田薬品工業株式会社から事前に文書による許諾を得ることなく、本コンテンツに掲載されている内容を再掲載すること、また検索システムに登録することや、電子的、機械的等、いかなる形式・方法にかかわらず、複写や記録を行うことを禁止いたします。また、本コンテンツで紹介する記事の著作権はHealthDayに帰属します。
免責事項
武田薬品工業株式会社は、本コンテンツに含まれる情報の完全さおよび正確さを保証するものではなく、その内容について一切責任を負いません。本コンテンツを利用される方々には信頼すべき情報を各自で確認されることをお勧めいたします。本コンテンツに含まれる情報は、決して、医師その他の医療従事者によるアドバイスの代わりになるものではありません。また、本コンテンツは、特定の薬剤を広告・宣伝するものではありません。