胸部X線を使用した30日間の死亡率予測のための深層学習モデルの開発と外部検証

最近、American Journal of Roentgenologyで発表された研究では、胸部X線を使用してコミュニティ獲得性肺炎（CAP）患者の30日間の死亡率リスクを推定するための深層学習（DL）モデルが開発されました。このモデルは、診断のために得られた胸部X線を入力として使用し、異なる施設や期間の患者でモデルのパフォーマンスを検証しました。 CAPは肺炎の一般的な原因であり、多くの死亡リスクと医療資源の利用に関連しています。胸部X線はCAPの診断とリスク分類に不可欠なツールです。しかし、胸部X線の所見をリスク予測ツールに組み込むことは、読者間のばらつきや客観的なバイオマーカーの抽出の難しさのために制限されてきました。現在、CURB-65スコアや肺炎重症度指数はCAP患者の不良転帰を予測するための利用可能なツールです。 この研究では、研究者たちは初期の胸部X線を使用してCAP患者の30日間の全死因リスクを予測するDLベースのモデルを開発し、外部で検証しました。研究では、2013年3月から2019年12月までの任意のヘルスケア診療の間にCAP診断を受けた個人の電子医療記録（EMR）を検索しました。研究チームは、開発グループの診断が行われた機関の救急科でCAP診断を受けた個人（時系列テストグループ、947人）でDLモデルを評価しました。 また、ソウルメトロ政府ソウル国立大学ボラメ医療センター（外部テストグループA、467人）と春川大学病院（外部テストグループB、381人）での評価も行いました。主なアウトカム指標はCAP診断後の30日間の全死因死亡率でした。研究チームは、深層学習モデルとCURB-65ツールの曲線下面積（AUC）の値を比較し、組み合わせアプローチの結果はロジスティック回帰モデリングによって評価されました。 この研究では、開発コホートには任意のエンカウンター中にCAP診断を受けた患者が含まれており、後続のテストコホートには救急科エンカウンター中にCAP診断を受けた患者のみが含まれていました。研究チームは、開発コホートの患者の胸部X線スキャンに基づいてCAP診断後の30日間の死亡率を予測するために畳み込みニューラルネットワーク（CNN）を開発しました。モデルの出力は、異なる時間間隔での条件付き生存確率を表し、経験豊富な胸部放射線科医がクラス活性化マップの事後分析を行いました。 この研究は、CAP患者の死亡率予測において胸部X線を使用した深層学習モデルの有用性を示しています。胸部X線の所見を利用することで、CAP患者のリスク予測により精度を向上させることができる可能性があります。今後の研究によって、さらなる精度向上や臨床応用への展開が期待されます。