胸部X線写真とAIで小児の骨密度を評価：DXAに代わる臨床応用の可能性

胸部X線写真と臨床情報を組み合わせた深層学習モデルにより、DXA検査と同等の精度で小児患者の骨密度評価が可能であることが示されました。このアプローチは、DXA施設へのアクセスが限定される地域でのスクリーニングツールとして活用できる可能性があります。

背景

骨密度（BMD）の評価は、成長期の子どもにおいて骨代謝異常や骨脆弱性の診断に重要です。しかし、現在の標準検査である二重エネルギーX線吸収測定法（DXA）は、専門施設への依存、検査費用、被曝線量などの制限があり、小児患者の骨健康のスクリーニングは実臨床では十分に活用されていません。本研究は、すでに撮影されている胸部X線写真から深層学習を用いてBMDを予測し、より手軽で広くアクセス可能な評価方法を開発することを目的としています。

主な発見

• 深層学習モデルが予測したBMD値と実際のDXA測定値の相関は強く、内部テストセットではPearson相関係数0.85、外部テストセットでは0.76を示しました
• 低BMD（Z スコア≤−2.0）の検出性能は優れており、内部テストセットでは感度60%・特異度95%（AUC 0.92）、外部テストセットでは感度82%・特異度85%（AUC 0.90）でした
• 血液腫瘍疾患、炎症性疾患、腎疾患、神経筋疾患など、様々な慢性疾患を有する小児患者群でも、モデルは骨密度異常を適切に検出できました
• 短身の患者では、モデルの予測誤差が増加する独立した関連性が認められました（オッズ比1.99）

臨床的意義

本研究で開発されたAIモデルは、胸部X線写真から追加の検査負担なく骨密度をスクリーニングできるツールとして機能します。小児患者は様々な理由で胸部X線写真を撮影される機会が多いため、そのデータを活用することで、骨健康リスクの早期発見が可能になります。特にDXA施設へのアクセスが限定される地域や、定期的な骨密度評価が十分でない患者群に対して、有用な臨床応用となることが期待されます。

限界

外部テストセットでの相関係数が内部テストセットより低下していることから、異なる施設や患者背景への汎化性に関する検証が今後必要です。また、短身患者での予測精度の低下が指摘されており、身長別の層別化やモデル改善が課題として残ります。さらに、本研究は韓国の2施設での検証であり、人種や民族の異なる集団での有効性、および実臨床での運用可能性についても確認が必要です。

Original paper: Deep Learning-based Bone Mineral Density Prediction Using Pediatric Chest Radiographs: A Multicenter Feasibility Study. — Radiology. 10.1148/radiol.252761

🎧 ポッドキャストを聴く