📊 卵胞数とホルモン予測の新たなアプローチ
近年、人工知能（AI）や深層学習技術の進展により、医療分野における診断や予測の精度が向上しています。特に、卵胞数（AFC）や抗ミュラー管ホルモン（AMH）の評価に関しては、従来の方法に代わる新しい手法が求められています。本記事では、Zhangらの研究を基に、超音波ラジオミクスと深層学習を用いた卵胞数とホルモンの予測手法について詳しく解説します。
🔍 研究概要
本研究は、卵胞数の評価における観察者間のばらつきやAMH検査の限界を克服するために、AIを活用したフレームワークを開発しました。対象は不妊症の女性395名で、2つの関連病院からのデータを用いています。研究は、トレーニング群（210名）、内部テスト群（91名）、外部テスト群（94名）に分けられました。
🧪 方法
研究では、以下の3つの予測モデルを確立しました：
- ラジオミクスモデル：674のIBSI準拠の特徴を使用
- 深層学習モデル：ResNet50に基づく特徴抽出
- 融合モデル：両者を組み合わせたハイブリッドアプローチ
📈 主なポイント
| モデル | 内部R² | 外部R² | AUC | 感度 | 特異度 |
|---|---|---|---|---|---|
| ラジオミクス | 0.586 | 0.572 | – | – | – |
| 深層学習 | 0.737 | 0.541 | – | – | – |
| 融合モデル | 0.743 | 0.583 | 0.881 | 69.1% | 84.6% |
💭 考察
融合モデルは、従来の単一モダリティモデルを上回る性能を示しました。特に、卵胞数の予測においては、内部R²が0.743、外部R²が0.583という結果を得ています。また、AMHの予測においても、外部R²が0.509と高い一般化能力を示しました。さらに、卵巣反応の層別化においては、AUCが0.881に達し、高リスク患者の特定において69.1%の感度と84.6%の特異度を持つことが確認されました。
📝 実生活アドバイス
- 不妊治療を受ける際は、最新の技術を用いた評価方法を検討することが重要です。
- AIを活用した診断が可能な医療機関を選ぶことで、より正確な情報を得ることができます。
- 卵巣機能に関する定期的なチェックを行い、早期に問題を発見することが大切です。
⚠️ 限界/課題
本研究にはいくつかの限界があります。まず、対象者が特定の地域に限られているため、結果の一般化には注意が必要です。また、AIモデルの性能は、使用するデータの質に大きく依存します。さらに、深層学習モデルの解釈性が低いため、臨床現場での応用には慎重な検討が求められます。
まとめ
本研究は、超音波ラジオミクスと深層学習を融合させた新しい卵胞数とホルモン予測の手法を提案しており、従来の方法に比べて高い予測精度を示しています。この技術は、特にリソースが限られた医療環境においても有用である可能性があります。
🔗 関連リンク集
- European Society of Human Reproduction and Embryology (ESHRE)
- American Society for Reproductive Medicine (ASRM)
- PubMed
参考文献
| 原題 | Ultrasound radiomics and deep learning for predicting antral follicle count and anti-Müllerian hormone. |
|---|---|
| 掲載誌(年) | Sci Rep (2025 Dec 20) |
| DOI | doi: 10.1038/s41598-025-33010-w |
| PubMed URL | https://pubmed.ncbi.nlm.nih.gov/41422297/ |
| PMID | 41422297 |
書誌情報
| DOI | 10.1038/s41598-025-33010-w |
|---|---|
| PMID | 41422297 |
| PubMed URL | https://pubmed.ncbi.nlm.nih.gov/41422297/ |
| 発行年 | 2025 |
| 著者名 | Zhang Jinwei, Liu Shangqing, Liu Shuang, Rong Yue, Zhong Chunyan, Ni Dong, Ran Suzhen |
| 著者所属 | Chongqing Research Center for Prevention & Control of Maternal and Child Diseases and Public Health, Department of Ultrasound, Women and Children's Hospital of Chongqing Medical University, No. 120 Longshan Road, Yubei District, Chongqing, 401147, China. / College of Artificial Intelligence Medicine, Chongqing Medical University, Chongqing, China. / National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, School of Biomedical Engineering, Shenzhen University, No. 3688, Nanhai Road, Nanshan District, Shenzhen, 518037, Guangdong, China. nidong@szu.edu.cn. / Chongqing Research Center for Prevention & Control of Maternal and Child Diseases and Public Health, Department of Ultrasound, Women and Children's Hospital of Chongqing Medical University, No. 120 Longshan Road, Yubei District, Chongqing, 401147, China. ransuzhen0000@163.com. |
| 雑誌名 | Scientific reports |