小腸カプセル内視鏡人工知能画像診断：メタ解析

• Published in: Progress of Digestive Endoscopy Vol. 100; no. 1; pp. 27 - 35
• Main Authors: 原田, 達也, 青木, 智則, 黒瀬, 優介, 川原, 拓也, 中田, 史子, 新倉, 量太, 河合, 隆, 岩田, 英里
• Format: Journal Article
• Language: Japanese
• Published: 一般社団法人 日本消化器内視鏡学会 関東支部 30.06.2022; 日本消化器内視鏡学会関東支部会
• Subjects: Artificial intelligence; メタ解析; 小腸カプセル内視鏡
• ISSN: 1348-9844; 2187-4999
• DOI: 10.11641/pde.100.1_27

【目的】小腸カプセル内視鏡における小腸疾患（潰瘍，angioectasia，腫瘍）に対する人工知能（AI）の画像診断の感度と偽陽性のメタ解析を行うこと．【方法】Pubmedを用いて2014-22年間の文献検索を行った．累積感度，累積偽陽性率をランダム効果モデルにて算出した．累積感度，累積偽陽性に対する診断病変，診断ラベル，AIモデル，学習に用いたデータ量別の関連を検討した．【結果】12研究33406863枚のデータを解析した．小腸病変における累計感度は0.967，累計偽陽性は0.009であった．病変別の累積感度，累積偽陽性は同等であった．AIモデル別の解析において，Segmentationモデル，Multiラベルの累積感度が高値であった．学習に用いたデータ量がLow volume（＜10000枚）とLarge volume（＞20000枚）の累積感度は同等であった．一方，累積偽陽性は，Large volume（0.002）がLow volume群（0.010），Moderate volume群（0.029）より低値であった．【結論】小腸カプセル内視鏡画像診断におけるAIの累積感度は高く，累積偽陽性は低いことを明らかにした．AIの累積感度は病変間で同等であったが，Segmentationモデルの感度が最も高く，50000枚の画像データを学習に用いたAIモデルは累積偽陽性が低かった．