超音波画像による顎下腺炎症のディープラーニングシステムの診断性能に関する予備的研究

Preliminary Study on the Diagnostic Performance of a Deep Learning System for Submandibular Gland Inflammation Using Ultrasonography Images.

抄録

本研究は、閉塞性唾液腺炎、シェーグレン症候群（SjS）、正常腺の3つの異なる状態における顎下腺（SMG）の超音波検査（USG）画像を用いて、深層学習システムの診断性能を評価するために実施された。閉塞性唾液腺炎と確定診断されたUSG画像50枚、SjSと確定診断されたUSG画像50枚、SMGに異常のないUSG画像50枚が研究に含まれた。トレーニング群は閉塞性唾液腺炎画像40枚、SjS画像40枚、コントロール画像40枚からなり、テスト群は閉塞性唾液腺炎画像10枚、SjS画像10枚、コントロール画像10枚からなり、深層学習による解析を行った。深層学習システムの性能を算出し、経験豊富な2人の放射線科医で比較した。閉塞性唾液腺炎群，SjS群，対照群における深層学習システムの感度はそれぞれ55.0%，83.0%，73.0%であり，総合精度は70.3%であった．また、2名の放射線科医の感度はそれぞれ64.0%、72.0%、86.0%であり、合計精度は74.0%であった。本研究により、SMGの炎症における2つの症例群と健常者群のUSG画像において、ディープラーニングシステムは経験豊富な放射線科医よりもSjSの診断に高い感度を示すことが明らかとなった。

This study was performed to evaluate the diagnostic performance of deep learning systems using ultrasonography (USG) images of the submandibular glands (SMGs) in three different conditions: obstructive sialoadenitis, Sjögren's syndrome (SjS), and normal glands. Fifty USG images with a confirmed diagnosis of obstructive sialoadenitis, 50 USG images with a confirmed diagnosis of SjS, and 50 USG images with no SMG abnormalities were included in the study. The training group comprised 40 obstructive sialoadenitis images, 40 SjS images, and 40 control images, and the test group comprised 10 obstructive sialoadenitis images, 10 SjS images, and 10 control images for deep learning analysis. The performance of the deep learning system was calculated and compared between two experienced radiologists. The sensitivity of the deep learning system in the obstructive sialoadenitis group, SjS group, and control group was 55.0%, 83.0%, and 73.0%, respectively, and the total accuracy was 70.3%. The sensitivity of the two radiologists was 64.0%, 72.0%, and 86.0%, respectively, and the total accuracy was 74.0%. This study revealed that the deep learning system was more sensitive than experienced radiologists in diagnosing SjS in USG images of two case groups and a group of healthy subjects in inflammation of SMGs.