NICU胸部X線における新生児呼吸疾患の深層学習ベース多クラス分類

概要

10施設・計43,338枚のNICU胸部X線と専門医ラベリングで学習したResNet50ベースモデルは、6疾患分類で精度83.96%、F1 83.68%を達成。BPDやエアリーク症候群で良好、TTNでやや低下しつつも、AI支援トリアージ・意思決定の実現可能性を示した。

主要発見

• 新生児科医がラベリングした43,338枚の多施設NICU胸部X線が堅牢な学習・評価を可能にした。
• 6クラスで試験精度83.96%、F1 83.68%；クラス別F1はTTNの70.84%からBPDの92.19%まで幅を示した。
• 修正ResNet50に画像と併せて在胎週数・出生体重などの非画像情報を統合。

臨床的意義

読影の優先順位付けや高リスク例（例：ALS/BPD疑い）のフラグ付け、施設間の解釈標準化に寄与し、治療までの時間短縮が期待される。導入前に前向き検証とドメインシフト評価が必要。

限界

• 前向きの臨床インパクト評価を欠く後ろ向き研究
• 装置・施設間一般化とTTNでの相対的低性能が未検証

今後の方向性

多国間前向きインパクト試験、新規スキャナ・施設へのドメイン適応、時系列画像・臨床経過の統合、トリアージ閾値に向けたキャリブレーションが望まれる。