注目論文：吸気胸部CTからのディープラーニングによる小気道病変の定量化
呼吸器内科
COPDにおける小気道病変（fSAD）の評価には従来、吸気と呼気の両方のCT撮影が必要でしたが、今回の研究では人工知能（AI）を用いて吸気CTのみからfSADを高精度に推定できることが示されました。この手法により、追加の被曝や検査コストを抑えつつ小気道病変の評価が可能になり、特にFEV1の経年低下との関連も確認されました。臨床現場では呼気CTを撮影しない施設も多く、本研究の手法はより広範な患者でのfSAD評価を可能にする点で非常に実用的です。また再現性の高さも特筆すべき点で、臨床研究や治療効果判定への応用も期待できます。
Deep Learning Estimation of Small Airways Disease from Inspiratory Chest CT: Clinical Validation, Repeatability, and Associations with Adverse Clinical Outcomes in COPD
吸気胸部CTからのディープラーニングによる小気道病変の推定：COPDにおける臨床的検証、再現性、および有害な臨床転帰との関連
Chaudhary MFA, Awan HA, Gerard SE, Bodduluri S, Comellas AP, Barjaktarevic I, Barr RG, Cooper CB, Galban CJ, Han M, Curtis JL, Hansel NN, Krishnan JA, Menchaca MG, Martinez FJ, Ohar J, Vargas Buonfiglio LG, Paine R 3rd, Bhatt SP, Hoffman EA, Reinhardt JM.
Am J Respir Crit Care Med. 2025 Mar 12. doi: 10.1164/rccm.202409-1847OC.
https://pubmed.ncbi.nlm.nih.gov/40072247/
吸気胸部CTからのディープラーニングによる小気道病変の推定：COPDにおける臨床的検証、再現性、および有害な臨床転帰との関連
Chaudhary MFA, Awan HA, Gerard SE, Bodduluri S, Comellas AP, Barjaktarevic I, Barr RG, Cooper CB, Galban CJ, Han M, Curtis JL, Hansel NN, Krishnan JA, Menchaca MG, Martinez FJ, Ohar J, Vargas Buonfiglio LG, Paine R 3rd, Bhatt SP, Hoffman EA, Reinhardt JM.
Am J Respir Crit Care Med. 2025 Mar 12. doi: 10.1164/rccm.202409-1847OC.
背景：
機能的小気道病変（fSAD）を定量化するには追加の呼気CT撮影が必要であり、これが臨床応用の制限となっています。人工知能（AI）を用いることで、全肺気量（TLC）での胸部CT撮影のみからfSAD（fSADTLC）の定量化が可能になる可能性があります。
研究デザイン：
SPIROMICS研究の参加者2513名を対象に分析を行いました。無作為に抽出した部分集団（1055名）を用いて、残りの1458名のSPIROMICS参加者のfSADTLCを推定するための仮想呼気CTを生成するモデルを開発しました。fSADTLCと従来の二重ボリューム・パラメトリックレスポンスマッピングによるfSAD（fSADPRM）を比較し、fSADTLCとFEV1、FEV1/FVC、6分間歩行距離（6MWD）、セントジョージ呼吸器質問票（SGRQ）、FEV1低下との単変量および多変量関連を調査しました。結果はCOPDGene研究の部分集団（458名）で検証されました。多変量モデルは年齢、人種、性別、BMI、ベースラインFEV1、喫煙パック年数、喫煙状況、および肺気腫の割合で調整されました。
結果：
吸気fSADTLCはSPIROMICS（ピアソンのR=0.895）とCOPDGene（R=0.897）の両コホートでfSADPRMと強い相関を示しました。より高いfSADTLCレベルは、気管支拡張薬後のFEV1（L）やFEV1/FVC比の低下、およびSGRQスコアの上昇（生活の質の低下）と有意に関連し、これらはCT肺気腫の割合とは独立していました。SPIROMICSでは、fSADTLCが1%増加するごとに、FEV1は年間1.156mL（相対的減少、95%CI：0.613～1.699、P<0.001）低下しました。COPDGeneでの低下率はやや低く、fSADTLCの1%増加に対して年間0.866mL（相対的減少、95%CI：0.345～1.386、P<0.001）でした。吸気fSADTLCは繰り返し測定間の一貫性が高く、級内相関係数（ICC）は0.99（95%CI：0.98～0.99）で、fSADPRM［ICC：0.83（95%CI：0.76～0.88）］よりも高い再現性を示しました。
結論：
生成型AIを使用して単一の吸気CTスキャンから小気道病変を信頼性高く評価することができ、追加の呼気CTスキャンの必要性がなくなります。吸気CTからのfSAD推定はfSADPRMと強く相関し、FEV1低下との有意な関連を示し、より高い再現性を提供します。
機能的小気道病変（fSAD）を定量化するには追加の呼気CT撮影が必要であり、これが臨床応用の制限となっています。人工知能（AI）を用いることで、全肺気量（TLC）での胸部CT撮影のみからfSAD（fSADTLC）の定量化が可能になる可能性があります。
研究デザイン：
SPIROMICS研究の参加者2513名を対象に分析を行いました。無作為に抽出した部分集団（1055名）を用いて、残りの1458名のSPIROMICS参加者のfSADTLCを推定するための仮想呼気CTを生成するモデルを開発しました。fSADTLCと従来の二重ボリューム・パラメトリックレスポンスマッピングによるfSAD（fSADPRM）を比較し、fSADTLCとFEV1、FEV1/FVC、6分間歩行距離（6MWD）、セントジョージ呼吸器質問票（SGRQ）、FEV1低下との単変量および多変量関連を調査しました。結果はCOPDGene研究の部分集団（458名）で検証されました。多変量モデルは年齢、人種、性別、BMI、ベースラインFEV1、喫煙パック年数、喫煙状況、および肺気腫の割合で調整されました。
結果：
吸気fSADTLCはSPIROMICS（ピアソンのR=0.895）とCOPDGene（R=0.897）の両コホートでfSADPRMと強い相関を示しました。より高いfSADTLCレベルは、気管支拡張薬後のFEV1（L）やFEV1/FVC比の低下、およびSGRQスコアの上昇（生活の質の低下）と有意に関連し、これらはCT肺気腫の割合とは独立していました。SPIROMICSでは、fSADTLCが1%増加するごとに、FEV1は年間1.156mL（相対的減少、95%CI：0.613～1.699、P<0.001）低下しました。COPDGeneでの低下率はやや低く、fSADTLCの1%増加に対して年間0.866mL（相対的減少、95%CI：0.345～1.386、P<0.001）でした。吸気fSADTLCは繰り返し測定間の一貫性が高く、級内相関係数（ICC）は0.99（95%CI：0.98～0.99）で、fSADPRM［ICC：0.83（95%CI：0.76～0.88）］よりも高い再現性を示しました。
結論：
生成型AIを使用して単一の吸気CTスキャンから小気道病変を信頼性高く評価することができ、追加の呼気CTスキャンの必要性がなくなります。吸気CTからのfSAD推定はfSADPRMと強く相関し、FEV1低下との有意な関連を示し、より高い再現性を提供します。