間質性肺疾患（ILD）、特に通常型間質性肺炎（UIP）の診断は多分野連携アプローチが必要とされる難しい課題です。本研究では、CT画像と病理画像を統合したマルチモーダルAIアルゴリズムを開発し、一般病理医のUIP診断精度が専門医レベルに向上することを示しています。κスコアが0.273から0.737へと著明に改善した点は特筆に値します。日常診療では呼吸器専門病理医がいない施設も多く、このようなAIツールは診断精度の標準化と向上に大きく貢献する可能性があります。

背景：
間質性肺疾患（ILD）の診断は、様々な臨床、放射線、病理組織学的データの統合に依存しています。ILD、特に通常型間質性肺炎（UIP）の診断精度を高めることは困難であり、多分野連携アプローチが必要です。そこで本研究では、CT画像と病理組織画像を組み合わせたマルチモーダル人工知能（AI）アルゴリズムを開発し、UIP診断の精度と一貫性を向上させることを目的としました。

研究デザイン：
2009年から2021年の間に間質性肺疾患と診断された324患者のCTおよび病理画像データセットを収集しました。モデルのCTコンポーネントは28種類の放射線学的特徴を識別するよう訓練されました。病理コンポーネントは我々の以前の研究で開発されたものを使用しました。合計114のサンプルを選択し、マルチモーダルAIモデルのテストに使用しました。マルチモーダルAIの性能は、専門病理医と一般病理医との比較を通じて評価されました。

結果：
開発されたマルチモーダルAIは、UIPと非UIPの識別において著しい改善を示し、AUC 0.92を達成しました。一般病理医が使用した場合、診断一致率は有意に向上し、モデル導入前のκスコア0.273からモデル導入後は0.737に改善しました。さらに、専門呼吸器病理医との診断一致率もモデル導入前のκスコア0.278-0.53からモデル導入後は0.474-0.602に向上しました。また、このモデルは一般病理医の診断確信度も向上させました。

結論：
CTと病理組織画像を組み合わせたマルチモーダルAIアルゴリズムは、専門的な知識が限られている場合でも、UIPの同定における病理医の診断精度、一貫性、および確信度を高めます。