中耳疾患診断のための耳鏡検査動画とティンパノメトリーの信頼度誘導型統合:外部ペアコホート評価付き多施設耳鏡検査研究
Confidence-guided integration of otoscopy videos and tympanometry for middle ear disease diagnosis: A multi-center otoscopy study with external paired-cohort evaluation
中耳疾患の正確な診断は、特に一次医療現場では依然として困難である。AIベースのモデルは自動耳鏡検査解釈に有望だが、視覚情報に依存しているため、補完的な生理学的測定を統合することで診断の堅牢性を向上させる機会がある。本研究では、耳鏡検査動画分析と従来の226 Hzティンパノメトリーを統合する信頼度誘導型マルチモーダル意思決定融合フレームワーク「OtoTymp-AI」を発表する。畳み込みニューラルネットワーク(CNN)を用いて耳鏡検査動画を分類し、ティンパノメトリー測定値を、共同学習によるマルチモーダル表現学習ではなく、視覚的に不確かな予測を洗練するための臨床的に解釈可能なルール誘導型意思決定戦略を通じて組み込んだ。多施設耳鏡検査研究において、6つの診断カテゴリにわたる104本の動画とペアのティンパノメトリーを含む独立した外部コホートでマルチモーダル評価を実施した。この探索的ペアコホート分析では、動画のみのCNNは63.46%の全体精度を達成したのに対し、ハイブリッド動画+ティンパノメトリーフレームワークは、0.90の最良観察閾値で81.73%の精度を達成し、CNNのみのモデルと比較して18.27パーセンテージポイントの絶対的な改善が見られた。この結果は、解剖学的動画情報と生理学的ティンパノメトリーを統合することが、この外部ペアコホートにおけるAI支援中耳診断を改善する可能性を示唆しているが、運用閾値とクラスごとのパフォーマンスは、より大規模な前向きペアマルチモーダルコホートで確認する必要がある。
- 耳鏡検査動画とティンパノメトリーを統合したマルチモーダルAIフレームワーク「OtoTymp-AI」が、動画のみのCNN(63.46%精度)に対し81.73%の精度を達成し、18.27ポイントの絶対的改善を示した。
- 多施設耳鏡検査研究の外部ペアコホート(104本の動画とペアのティンパノメトリー、6診断カテゴリ)でマルチモーダル評価を実施した。
医療AI分野において、視覚情報のみに依存する既存の耳鏡検査AIに対し、ティンパノメトリーという生理学的データを統合したマルチモーダルAIが単独モデル比で18.27ポイントの精度改善を示した点は注目に値する。一次医療現場での診断精度向上は実用的な市場ニーズに直結しており、AI医療診断スタートアップの競争優位性や製品差別化に寄与する可能性がある。ただし、サンプル数が104件と限定的な探索的検証であり、大規模前向きコホートでの確認が必須である点には留意が必要。