一般口演8（I-OR08）
画像診断

[I-OR08-03] Deep learningを用いた，胸部X線写真から肺体血流比を予測する方法の開発

^○鳥羽 修平¹, 三谷 義英², 大矢 和伸², 淀谷 典子², 大橋 啓之², 澤田 博文², 石川 廉太¹, 山崎 誉斗¹, 夫津木 綾乃¹, 小沼 武司¹ (1.三重大学大学院医学系研究科 胸部心臓血管外科, 2.三重大学大学院医学系研究科 小児科学分野)

Keywords:人工知能, deep learning, 胸部X線写真

【背景】肺体血流比（Qp/Qs）は先天性心疾患における治療方針決定に重要な指標であるが．その正確な測定はカテーテル検査を必要とするため侵襲が大きい．胸部X線写真は先天性心疾患患者において肺血流を評価するのに有用な，簡便かつ低侵襲な方法であるが，その評価は主観的，定性的である．我々は，近年精度が向上しているdeep learning（いわゆる人工知能・AI）による画像診断技術を用いて，胸部X線写真から定量的にQp/Qsを予測する方法を開発した．
【方法】2005年1月から2017年12月に当院小児循環器科でカテーテル検査を施行された連続1,515例のうち，カテーテル検査でQp/Qsを測定されており，かつカテーテル検査前1か月以内に胸部X線写真を撮影されている症例を対象とした．対象症例のうち50例を評価データとし，残りの症例を用いて，胸部X線写真からQp/Qsを予測するように既存のAI（Inception-v3, Google）を学習させた．評価データを用いて学習後のAIの性能を評価し，さらにQp/Qsを4段階評価した際の正答率を小児循環器医3名と比較した．
【結果】対象は891例で，年齢中央値3.2歳（IQR 1.1-7.3），男児51%，平均Qp/Qs 1.4（SD 1.0）であった．872例（98%）が先天性心疾患を有した．Deep learningが胸部X線写真から予測したQp/Qsと，カテーテル検査で測定したQp/Qsの相関係数は0.81，級内相関係数は0.72であった．Deep learningが予測したQp/Qsの正答率は，臨床医の読影と比較し有意に高かった（70% vs 46%，P=.038）．
【結論】Deep learningを用いることで，先天性心疾患患者において胸部X線写真からQp/Qsを定量的かつ客観的に評価することができた．