潰瘍性大腸炎患者における内視鏡的粘膜炎症の予測のための便画像を用いた深層学習モデル

抄録

【背景】潰瘍性大腸炎（Ulcerative colitis, UC）の病勢評価には内視鏡が必須だが，侵襲的で頻回実施が困難である．そこで，患者自身が撮影した便写真を用いた深層学習モデル（DL model using stool photographs of patients with UC, DLSUC）によって内視鏡的炎症を予測できるかを検討した．

【方法】韓国の６施設による前向き多施設共同研究．内視鏡検査予定のUC患者に，検査前1週間以内の便をスマートフォンで撮影してもらい，計306例（2,161画像）で学習，126例（1,047画像）で検証を行った．内視鏡的活動性はUC Endoscopic Index of Severity（UCEIS）で判定し，DLSUCの予測能を便カルプロテクチン（Fcal）と比較した．

【結果】DLSUCの内視鏡的活動性予測におけるAUCは0.801（95％CI 0.717-0.873）で，Fcalの0.837と同等であった（P＝0.458）．直腸に炎症を認めない症例を除くとAUCは0.849に上昇した．感度0.662，特異度0.877，精度0.746であり，複数画像を組み合わせた判定により精度が向上した．さらに，DLSUCで「活動性」と分類された患者は８カ月の追跡で再燃リスクが有意に高かった（P＝0.002）．

【結語】便写真を用いた深層学習モデルは，Fcalと同等の精度で内視鏡的活動性を予測し，再燃リスク評価にも有用であった．非侵襲的で患者負担が少ない新しいモニタリングツールとして期待される．