はじめに：脊髄腫瘍を診断するために，患者情報と画像を統合して解析するバイモーダルAIを提案した．
対象と方法：我々のモデルは，表形式データ用の最先端の深層学習モデルであるTabNetと，画像を解析する畳み込みニューラルネットワークを組み合わせたものである．学習データとして，259人の脊髄腫瘍患者（神経鞘腫158人，髄膜腫101人）を収集した．MRI画像のみを解析するユニモーダルモデル，患者情報のみを解析するユニモーダルモデル，勾配ブースティング決定木を用いたバイモーダルモデル，TabNetを用いたバイモーダルモデルの性能を比較した．
結果：TabNetを用いたバイモーダルモデルは，トレーニングデータにおいて最も良好な結果を示し（area under the receiver-operating characteristic curve［AUROC］：0.91），医師の読影結果を有意に上回った．他2施設から収集した62症例を用いた外部検証でも，本バイモーダルモデルはAUROC 0.92を示し，モデルの汎化性が確認された．
結語：TabNetを用いたバイモーダルモデルは，脊髄腫瘍の鑑別に有効であった．
