AIが小児の難治性てんかんの原因となる病変を特定
人工知能（AI）ツール「AIてんかん探偵」が、小児の難治性てんかんの原因である微細な病変である局所皮質異形成（FCD）を最大94%の精度で特定できることが示されました。このシステムは、従来の画像診断では見逃されがちな微妙な異常を識別します。
診断と治療への影響
ツールの開発者たちは、このAIが小児の侵襲的診断検査の必要性を減らし、より正確で迅速な診断を可能にする可能性を秘めていると考えています。主任著者であるエマ・マクドナルド＝ラウルス博士は、「原因を早期に特定することで、治療選択肢を調整し、脳神経外科医が手術計画を立て、ナビゲートするのに役立ちます」と述べています。より正確な画像診断により、脳神経外科医は重要な血管や言語、思考、運動を制御する脳領域を避け、健康な脳組織を除去しない、より安全な手術計画を立てることができます。この研究は9月30日にWiley Epilepsiaでオンライン公開されました。
MRIで見逃される病変の検出
底部溝異形成（BOSD）はFCDの一種で、小児の薬剤耐性てんかんの原因となることが多く、検出が困難です。初期MRIでは約60%のBOSD症例が見逃されることが指摘されています。研究者たちは検出を改善するため、BOSDが確定された54人の小児患者（その多くは初期MRIで見逃されていた）のMRIおよびFDG PETスキャンデータを用いてモデルを訓練しました。
- 訓練方法: 皮質厚、灰白質と白質のコントラスト、局所代謝など12の画像特徴を抽出し、機械学習を用いて異形成組織と正常な皮質を区別しました。
- 検証: 分析を強化するため、このモデルは17人の新規診断小児患者と12人の既報の成人症例からなる2つの独立したコホートで検証されました。
- 擬似コントロール: 健常対照がいなかったため、研究者たちは各患者に対して訓練セットから「擬似コントロール」を生成しました。
- 検出器の機能: 検出器は、単一の隠れ層ニューラルネットワーク分類器を使用し、各患者のこれらの擬似コントロール正規化されたMRIおよびFDG PET特徴に基づいてBOSDの位置を予測しました。検出器は最も可能性の高い病変部位としてトップクラスターを特定し、最も可能性の高い5つの領域もランク付けしました。
診断精度の向上と今後の展望
訓練コホートとテストコホートにおいて、患者の81%は初期MRIが正常であり、ほとんどのBOSDは1.5 cm3未満でした。テストグループでは、MRIとPETスキャンを組み合わせることで最高の検出性能が達成され、94%の患者でトップ5クラスターのいずれかにBOSDの重複が確認されました（トップクラスターでは88%）。対照的に、MRI単独では大幅に効果が低く、トップ5クラスターのいずれかにBOSDが重複したのはわずか35%でした（トップクラスターでは24%）。テストグループの17人の小児のうち、12人が手術を受け、11人が現在発作のない状態です。
研究者たちは、このツールが専門の放射線科医のレビューに取って代わるものではなく、病変の特定を支援し、BOSDの検出率を向上させることを強調しています。マクドナルド＝ラウルス博士は、「検出器はまだ臨床使用の準備ができていません。次の計画は、いくつかのオーストラリアの病院で新規患者に対する検出器の前向き研究を実施することです。」と述べています。
元記事：‘AI Detective’ Flags Brain Lesions in Children With Epilepsy