Artificial Intelligence for Pediatric Vesicoureteral Reflux Assessment on Voiding Cystourethrography: A Scoping Evidence Map of Diagnostic Performance and Clinician-Assisted Interpretation

技術要約：小児膀胱尿管逆流症評価のための人工知能を用いた排尿時膀胱尿道造影

問題提起
膀胱尿管逆流症（VUR）は、膀胱から尿管および腎集合系へと尿が逆流する、小児泌尿器科における重要な疾患であり、正確な診断とグレード分類（国際逆流分類システム：グレードI〜V）を必要とする。標準的な診断法である排尿時膀胱尿道造影（VCUG）は、視覚的なグレーディングに依存しているが、これは本質的に主観的であり、特にグレードIIIとIVの境界においてその傾向が顕著である。この変動性は、抗菌薬予防投与や外科的介入（内視鏡的注入術や尿管再植術など）、および長期的な腎リスク評価に関する重要な臨床判断に影響を与える。人工知能（AI）やディープラーニングは、VCUGの解釈を自動化または支援するために適用されているが、既存の文献は、ターゲットとなるタスク、画像入力、アーキテクチャ、および検証戦略において不均一である。その結果、現在のAIモデルが放射線科医に対して自律的な優位性を持つのか、あるいは主にグレーディングの一貫性を向上させ、検者間誤差を減少させるためのツールとして機能するのかについては、依然として不明である。

方法論
本研究は、形式的な診断メタ解析ではなく、PRISMAによるスコーピング・レビュー拡張版（PRISMA-ScR）に従ったスコーピング・エビデンス・マップのデザインを採用している。合成は、Elicitツールによって生成された2つのエクスポート・データセットに基づくコンピュータ支援ワークフローを用いて行われた。

1. 500件のレコードを含むスクリーニング用データセット。
2. 2019年から2025年までに発表された13件の採用研究の詳細データを含む抽出用データセット。

包含基準：

• 小児患者または小児の画像データ。
• AI、機械学習、ディープラーニング、またはコンピュータ支援診断アプローチの評価。
• VCUGまたは関連データを用いた、VURの検出、グレーディング、低/高グレード分類、AI支援による解釈、または臨床に関連するVUR予測への焦点。
• 診断性能、信頼性、一致度、または臨床医比較指標の報告。

除外基準：

• 非小児の研究、非ヒトデータ、エディトリアル、単独の症例報告、または臨床的に解釈可能なアウトカムを欠く技術報告。

分類戦略：
手法の不均一性に対処するため、研究を以下の4つのグループに分類した：

1. 直接的なVCUGに基づくVURグレーディング： 標準的なグレードを割り当てようとするモデル。
2. 低/高グレード分類： 二値または重症度層別化モデル。
3. AI支援による臨床医の解釈： AIが人間の読影者のパフォーマンスに与える影響を評価する研究。
4. 間接的な臨床予測： グレーディングを直接行うのではなく、アウトカム（例：再発性UTI）を予測するモデル。

ソースのエクスポートにおいて独立した重複スクリーニングおよび全文検証が行われていないため、本合成は、統計的な統合解析よりも記述的な合成と表作成を優先した、エビデンス・マップとして明示的に位置づけられている。

主な貢献と結果
本レビューにより13件の研究が特定され、有望ではあるが不均一なAIの性能を示す状況が明らかになった。

• 診断性能：

  • 最も強力な外部検証済みのエビデンスは、Deep-VCUGモデルにおいて、片側性逆流で0.944、両側性逆流で0.924の外部AUC（曲線下面積）を達成した**Liら（2024）**によるものである。
  • Khondlerら（2022）は、AUC 0.84を報告し、従来の評価と比較してグレーディングの信頼性を3.6倍向上させた。
  • **Wuら（2025）**は、AIによるサポートを受けた際の臨床医のパフォーマンスが大幅に向上することを示し、側方特異的な逆流に対する臨床医のAUCは、約0.63–0.73から約0.95–0.96へと上昇した。
  • いくつかの小規模な研究では、ほぼ完璧な指標（例：精度が100%に近い、またはAUCが1.0に近い）が報告されているが、本レビューでは過学習、サンプルサイズの小ささ、および限定的な外部検証のリスクを考慮し、これらの結果には注意を促している。

• 臨床医との比較および支援：

  • AIと放射線科医の直接比較は限られている。ほとんどの研究では、放射線科医のラベルを参照標準として使用しているが、放射線科医のベースライン性能を独立して定量化していない。
  • しかし、AI支援による解釈に焦点を当てた研究は、AIが検者間の変動を大幅に減少させ、特に高グレードのVURの認識において、ジュニアおよびシニア双方の臨床医のパフォーマンスを向上させ得ることを示している。

• エビデンスの質とギャップ：

  • 間接的 vs 直接的： 本レビューは、直接的なグレーディング（最も臨床的に関連が高い）と間接的な予測モデル（例：再発性UTIリスクの予測）を区別しており、後者はAIが逆流の重症度をグレーディングする能力を証明するものではないことを指摘している。
  • 管理への影響： AIが臨床的な管理決定（例：抗菌薬予防投与や手術閾値の変更）を変えたり、患者のアウトカムを改善したりすることを決定的に示した研究は含まれていなかった。
  • 限界： エビデンスベースは、標準化された報告（感度、キャリブレーション、決定曲線分析）の欠如、多様なデータセット間での限定的な外部検証、およびAI単独、臨床医単独、AI支援の各群を比較する前向きかつ盲検化された読影研究の不足に苦慮している。

意義と主張
本論文は、AIアルゴリズムは小児VUR評価において有望な診断性能を示しているものの、現在のエビデンスは放射線科医による解釈の自律的な置き換えを支持するものではないと結論付けている。

知見の主な意義は、AIが単独の診断器ではなく、意思決定支援ツールとして機能する可能性にある。具体的には、AIは以下のことが可能である：

1. 特に重要なグレードIII–IVの境界付近における、グレーディングの一貫性を向上させる。
2. 検者間の変動を減少させる。
3. 経験の浅い読影者をサポートし、高グレードVURの認識を標準化する。

著者らは、臨床実装のためには、将来のシステムが、CLAIM、TRIPOD+AI、STARD-AIなどの報告基準に従い、管理決定および患者のアウトカムに対するAIの影響を評価する、前向きな多施設共同・盲検読影研究を経る必要があると強調している。そのようなエビデンスが確立されるまでは、AIは専門的な臨床医の解釈を置き換えるものではなく、それを支援するためのツールとして捉えられるべきである。