3D畳み込みニューラルネットワークを用いたCT画像での仙腸関節炎の自動評価と診断：多施設後ろ向き研究

腰痛と関節の健康にとってなぜ重要か

若年成人期に生じ、徐々に悪化する腰痛は、長期にわたる脊椎の関節炎である強直性脊椎炎を示すことがあります。医師は、脊椎と骨盤が接する仙腸関節の詳しい画像をもとに早期の損傷を見つけて治療方針を決めます。しかしこれらの画像は読み取りが難しく、専門家間で意見が分かれることもあります。本研究は、最新の人工知能がこれらの関節のCTスキャンを一貫して読影できるかを調べ、重篤な病変を早期に検出し、多忙な診療現場で医師を支援できるかを検証します。

脊椎の根元にある隠れた関節

仙腸関節は骨盤の深部にあり、上半身の重さを脚に伝えます。強直性脊椎炎では、長期の炎症がこれらの関節を徐々に侵食し、最終的に骨同士が癒合して固い骨塊になることがあり、痛みやこわばり、可動性の低下を引き起こします。医師は損傷を通常5段階のスケールで評価し、正常から完全癒合まで分類します。特定の段階に達することが診断確定や治療決定の基準になります。しかし標準的なX線では早期変化は微妙で、熟練した放射線科医でも評価が一致しないことが多いのです。CTは骨の詳細をより明瞭に示しますが、数千例の画像を体系的に格付けするのは手間がかかり、多くの病院には専門読影者が不足しています。

コンピュータに放射線科医の視点を教える

研究チームは、慎重な専門医がCTスキャンを読む方法を模倣する自動化システムを構築しましたが、それを三次元で高速に行います。まずセグメンテーションモデルがスキャンから骨盤骨を分離し、解析を関係領域に絞ります。次に3D DenseNetと呼ばれる深層学習アーキテクチャに基づく第二のモデルが、スライスごとに骨構造を解析して等級を割り当てます。システムは健康な被験者と強直性脊椎炎が疑われる患者を含む2,144件のCTスキャンで学習されました。各スキャンは国際基準に従って3人の放射線科医が評価し、意見の不一致は上級専門家が決定して、AIにとって厳格な“教師データ”が作られました。

AIが関節損傷をどれだけ認識したか

従来の5段階すべてを識別するよう求めたところ、AIの成績は全体的に堅調で、重度の病変については非常に優れていました。正常な関節や完全に癒合した関節を他と分ける能力は特に高く、熟練した読影者の期待に匹敵しました。一方で、初期のわずかな損傷と非常に軽微な変化を区別する際の確信度はやや低く、これはまさに医師同士が最も意見が分かれる領域であり、所見が互いに入り混じるためです。臨床上の判断に近づけるために、研究チームは5段階を3つの広いカテゴリにまとめました：正常または疑わしい、明確な構造的損傷、進行した癒合。単純化したこの設定では、AIの信頼性と安定性がさらに向上しました。

単一施設を越えて機能することの証明

どのAIツールにとっても重要な疑問は、それが開発された施設でしか動かないのか、異なる機器や患者層を持つ他施設でも機能するのかという点です。これを検証するため、研究者らは3カテゴリモデルを訓練に用いなかった2つの追加施設のCTスキャンで評価しました。システムは高い精度と確信度を保ち、構造的損傷のない人を明確な病変を有する人と正しく区別し、進行した癒合例の大半を識別しました。可視化手法により、モデルが注目している領域が人間が見るべき仙腸関節そのものであり、無関係な解剖学的構造ではないことが示され、臨床家の信頼を高めました。

放射線科医の代わりではなく共同作業として

さらにチームは、放射線科医がAIの提案を参照しながら評価した場合に何が起きるかを調べました。経験豊富な2人の読影者はまず単独で画像を評価し、その後同じ症例をモデルの出力とともに再検討しました。デジタルな“セカンドオピニオン”を得たことで、両者の正確性は約7〜8パーセントポイント向上し、相互の一致度も明らかに上がりました。AIは辺縁的な早期例における不確実性を完全に取り除くわけではありませんが、意見の不一致を減らし、特に進行した損傷の認識において一貫した支援を提供しました。

患者と将来の医療にとっての意味

実務的には、本研究は適切に設計された3DディープラーニングシステムがCTスキャン上で仙腸関節の損傷を専門読影者に匹敵する一貫性で自動評価できることを示しています。代替ではなく補助として用いれば、重篤な構造変化をより早期に検出し、施設ごとの診断の標準化を助け、放射線科医がより複雑な症例に集中できるようにする可能性があります。著者らは、CTは不可逆的になった損傷を示すにすぎないため、非常に早期の病変をとらえるにはMRIや臨床的判断が依然として重要であると指摘しています。それでも、本手法はより客観的で再現可能な診療に向けた有望な一歩を提供します。

引用: Du, Yk., Liu, R., Guo, H. et al. Automated grading and diagnosis of sacroiliitis on CT images using a 3D convolutional neural network: a multicenter retrospective study. Sci Rep 16, 14099 (2026). https://doi.org/10.1038/s41598-026-44911-9

キーワード: 強直性脊椎炎, 仙腸関節炎, CT検査, ディープラーニング, 放射線科AI