冠動脈CT血管造影画像を用いた冠動脈大動脈起始異常のAIによる検出・分類

概要

全自動ディープラーニング手法は3D-CCTAにおけるAAOCAの検出・分類でAUC ≥0.99（感度・特異度0.95〜0.99）と極めて高い性能を内外部データで示しました。リアルタイム警告と大規模解析により臨床統合と集団レベルのスクリーニング研究を後押しします。

主要発見

• AIは内外部データでAUC ≥0.99、感度・特異度0.95〜0.99を達成。
• 全自動パイプラインによりハイリスク形態のリアルタイム警告が可能。
• 大規模3D-CCTAコホート解析を可能にし、疫学・リスク層別の精緻化に貢献。

臨床的意義

CCTA読影に統合すれば、高リスクAAOCAの自動トリアージと一貫した検出が可能となり、追加解剖評価やリスク説明（アスリート・軍関係者のスクリーニングを含む）を促進します。

限界

• 後ろ向きデータであり、前向き臨床効果の検証が必要
• クラス不均衡や施設・装置の不均質性の影響が十分記載されていない可能性

今後の方向性

前向き多施設試験でワークフロー統合・診断精度・転帰への影響を評価し、臨床導入に向けた規制対応を進める。ほかの先天性異常への拡張も検討。