[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Multi-Centre Validation of a Deep Learning Model for Scoliosis Assessment

Created by
  • Haebom

作者

\V{S}imon Kubov, Simon Kl i\v{c}n ik, Jakub Dand ar, Zden\v{e}k Straka, Karol ina Kvakov a, Daniel Kvak

概要

本論文は、脊椎側弯症の診断に不可欠なCobb角度測定のための自動化ディープラーニングソフトウェア(Carebot AI Bones)の精度を評価した研究です。 10個の病院で収集された103件の脊椎前後方放射線写真を対象に、2人の筋骨格系放射線と専門医の測定結果とAIソフトウェアの測定結果を比較分析した。 Bland-Altman分析、平均絶対誤差(MAE)、平方根平均二乗誤差(RMSE)、ピアソン相関係数、Cohen kappa係数を使用してAIの性能を評価し、AIは専門レベルのCobb角度測定およびグレード分類性能を示したと報告しています。

Takeaways、Limitations

Takeaways:
ディープラーニングベースの自動化ソフトウェアを使用して、脊椎側弯症のCobb角度を正確に測定できることを示しています。
従来の手動測定方式の時間消費と測定者間の差の問題の解決に寄与することができる。
脊椎側弯症の診断と分類プロセスの効率を高め、患者ケアの改善に役立ちます。
Limitations:
研究に使用したデータセットの規模が比較的小さい(103件)。
さまざまな種類の脊椎側弯症と放射線写真品質の一般化の可能性に関するさらなる研究が必要です。
AIソフトウェアの臨床的有用性を完全に検証するには、より大きな規模の前向き研究が必要です。
2人の放射線と専門医の判断が標準として使用されたが、専門家の間の判定の一致は完全ではないかもしれない(inter-reader kappa 0.59)。 AIと専門医の間のMAEが3.89~3.90度で、臨床的に有意な誤差範囲内にある可能性も考慮しなければならない。
👍