Cascade Deep Learning (nnU-Net + ResNet-18) for Meniscus Segmentation and Three-Grade Injury Classification on Knee MRI: A Single-Centre Study with Reader Assistance Evaluation

人間の膝は、関節をクッションし安定させるための、半月板と呼ばれる2つのC字型の軟骨パッドに依存しており、工学的な驚異といえます。これらのパッドが裂けたり摩耗したりすると、痛み、腫れ、そしてしばしば手術を必要とする可動性の喪失を招きます。これらの損傷を診断するために、医師は磁気共鳴画像法（MRI）に頼ります。MRIは膝の内部の詳細な断層写真を作成します。しかし、これらの画像を読み取る作業は、遅く、かつ困難な作業です。放射線科医は、軟骨の質感の微妙な変化（裂傷の兆候）を探しながら、何百枚もの薄いスライスをスキャンしなければなりません。このプロセスは時間がかかるだけでなく、ヒューマンエラーも起こりやすいものです。2人の異なる医師が同じスキャンを見ても、患者が軽微な摩耗の問題を抱えているのか、それとも即時の修理を必要とする深刻な裂傷があるのかについて意見が分かれることがあります。このような不一致は、治療の遅延や不要な処置につながる可能性があります。

このプロセスをより速く、より信頼性の高いものにする取り組みとして、研究者たちはコンピュータにこれらのスキャンを読ませる方法を教え始めています。ディープラーニングとして知られるこの分野は、人間の脳が顔を認識する方法と同じように、コンピュータプログラムに画像内のパターンを認識させる訓練を行うものです。目標は医師に取って代わることではなく、懸念される領域を強調表示し、セカンドオピニオンを提供する「第二の目」として機能するツールを作ることです。中国のある病院からの新しい研究では、このようなシステムが特に半月板の損傷に対してどの程度うまく機能するかを調査しています。研究者たちは、まずMRIスキャン内で半月身を見つけ、次にそれを分析して、それが健康なのか、変性しているのか、あるいは裂けているのかを判断するという、2段階のコンピュータシステムを構築しました。彼らはこのシステムを数百人の患者でテストし、その後、コンピュータが経験の浅い臨床医の診断能力にどのように影響するかを観察することで、コンピュータが経験の少ない臨床医により良い、より迅速な診断を行わせることができるかどうかを検証しました。

研究者たちは、一人が物体を見つけ、もう一人がそれを検査するというチームのような特定の順序で機能するコンピュータフレームワークを開発しました。まず、システムは高度なアルゴリズムを使用してMRI画像をスキャンし、半月身の正確な輪郭を描き、それを周囲の骨や液体から分離します。このステップは、コンピュータにどこを見るべきかを正確に伝え、膝の他の部分を無視させるために極めて重要です。半月身が孤立すると、システムの第2の部分がその孤立した画像を検査し、損傷を分類します。システムは、状態を「健康」、「変性（摩耗の兆候あり）」、「グレードIIIの裂傷（しばしば手術を必要とする完全な裂傷）」の3つのカテゴリーのいずれかに分類します。システムは、4年間にわたって収集された、すべて同じタイプの1.5テスラMRI装置で撮影された608件の膝スキャンのデータを用いて学習されました。画像には前後方向と左右方向の両方のビューが含まれており、これによりコンピュータは複数の角度から半月身を見ることができます。

研究者が単独でシステムをテストした際、結果はまちまちでしたが、有望なものでした。コンピュータは、半月身が健康な場合には非常に優れており、ほとんどのケースで正確に輪郭を描くことに成功しました。しかし、半月身が損傷している場合、裂傷によって組織の形状や質感が変化するため、背景との区別が難しくなり、コンピュータは正確に輪郭を描くのに苦労しました。この輪郭描画の困難にもかかわらず、損傷を診断する能力はまずまずでした。前後両方の角度からのビューを組み合わせたとき、コンピュータは半月身が裂けているかどうかを約74パーセントの確率で正しく特定しました。サイドビューと比較して、フロントビュー（正面図）を見たときの方が、裂傷を見つけるのが得意でした。システムは単独では軽微な摩耗と完全な裂傷を完璧に区別することはできませんでしたが、深刻な損傷をフラグ立てする明確な能力を示しました。

しかし、この研究の最も重要な部分は、コンピュータが単独でどのように機能するかではなく、それが人間の医師をどのように助けたかという点にあります。研究者は、筋骨格系の画像を読み取る経験が3年未満の2人の若手整形外科レジデントを募り、100件の膝の症例の診断を行わせました。まず、医師たちは助けなしでスキャンを見ました。その後、症例を忘れないようにするための2週間の休憩期間を経て、彼らは再び同じスキャンを見ましたが、今度はコンピュータの支援を受けていました。コンピュータは、裂傷の可能性を示す確率スコアと、コンピュータが疑わしいと判断した半月身の特定の領域を強調表示する視覚的なマップを提供しました。

この人間と機械のパートナーシップの結果は驚くべきものでした。ジュニアドクターが単独で作業したとき、彼らのAUCは0.64でした。コンピュータのガイダンスを使用したとき、彼らのパフォーマンスはAUC 0.78へと向上しました。さらに重要なことに、コンピュータは彼らがより重度の裂傷を見つけるのを助けました。助けがない場合、ジュニアドクターはグレードIIIの裂傷の40パーセントを見逃していましたが、コンピュータの支援を受けると、それらの80パーセントを捉えることができました。このツールは医師のスピードも上げました。1症例の診断にかかる平均時間は、45秒近くから28秒未満へと、38パーセント減少しました。このスピードアップは、コンピュータが医師の注意を集中させ、損傷を探す時間を短縮させたことを示唆しています。さらに、両方の医師がコンピュータを使用した場合、二人の間の合意形成（一致度）も向上しており、このツールが一貫した基準を提供し、個人の判断の違いを減らすのに役立ったことを示しています。

本研究は、このコンピュータシステムは専門家に取って代わるほど完璧ではないものの、強力なアシスタントとして機能するという結論を下しています。それは、特に経験の浅い臨床医にとってのセーフティネットとして機能し、見逃しがちな深刻な損傷をより迅速に発見する助けとなります。研究者たちは、裂れた組織の正確な境界を定義することの難しさや、変性と初期の裂傷との間の微妙な視覚的類似性が、システムの性能を制限していると指摘しました。また、この研究は単一の病院で行われたため、広く採用される前に、異なる場所の患者や異なるタイプのMRI装置を用いてテストする必要があると述べています。それにもかかわらず、今回の知見は、適切に設計されたコンピュータツールが、人間の意思決定を効果的にサポートし、遅くて変動しやすいプロセスを、より速く、より信頼性の高いものに変えられることを証明しています。