[引用はこちら/Reference] Waki, T., Sato, Y., Tsukamoto, K., Yamada, E., Yamamoto, A., Ibara, T., Sasaki, T., Kuroiwa, T., Nimura, A., Sugiura, Y., Fujita, K. and Yoshii, T. (2024), Effectiveness of Comprehensive Video Datasets. J Ultrasound Med.[DOI]
目的：超音波検査（US）とAIを用いた手根管症候群（CTS）診断の進歩は、神経伝導検査に取って代わることを目指している。しかし、正確な重症度診断法は未だ達成されていない。我々は、CTS重症度診断のための効果的なモデルを構築するためのComprehensive Videoデータ形式の可能性を探った。
方法：正中神経の特徴を、自動的にセグメンテーションされたUS動画フレームから抽出し、そこから3つのデータセット（完全な情報を持つComprehensive Videoデータセット、Key Metricsデータセット、初期フレームデータセット）を作成した。これらのデータセットを用いて、CTSの重症度を3つのグループに分類する機械学習アルゴリズムの精度を、63分割交差検証によって比較した。
結果：正中神経の断面積は重症度と相関したが（p＜0.05）、正中神経の変位は相関しなかった。Comprehensive Videoデータセットを用いたアルゴリズムが、最も高い感度（1.00）と精度（0.75）を示した。
結論：本研究では、Comprehensive Videoデータを活用することで、CTSの重症度をより正確にUSベースで診断できることを実証した。このことは、中央値や最大値のようなKey Metricsでは捉えられない、MNの変形や動きのパターンを捉えることの価値を強調している。
Method: Features of the median nerve (MN) were extracted from automatically segmented US video frames, from which three datasets were created: a Comprehensive Video dataset with full information, a Key Metrics dataset, and an Initial Frame dataset with the least information. We compared the accuracy of machine learning algorithms for classifying CTS severity into three groups across these datasets using 63-fold cross-validation.
Results: The cross-sectional area of the MN correlated with severity (p < 0.05) but MN displacement did not. The algorithm using the Comprehensive Video dataset exhibited the highest sensitivity (1.00) and accuracy (0.75).
Conclusions: Our study demonstrated that utilizing comprehensive video data enables a more accurate US-based diagnosis of CTS severity. This underscores the value of capturing the patterns of MN deformation and movement, which cannot be captured by representative metrics such as medians or maximums."