顎骨の溶骨性病変の特性評価におけるCBCTラジオミクスと機械学習の寄与
押さえるべきポイント
品質管理後の44病変を対象に、発育性嚢胞28病変と炎症性嚢胞16病変のCBCT特徴量を比較した。
単変量解析で差のあった11特徴量も、偽発見率補正後には有意でなく、個別特徴量の確証は得られなかった。
最良のランダムフォレストでもAUC 0.76、感度0.61であり、教師なし解析では群の明確な分離を認めなかった。
研究を読み解く
原文抄録に基づく日本語要約。全文翻訳ではありません。
顎骨の溶骨性病変を有する52人のCBCTを後ろ向きに解析し、品質管理後の44病変（発育性歯原性嚢胞28、炎症性嚢胞16）を比較した。各病変から1,437のラジオミクス特徴量を抽出し、教師なし解析と複数の機械学習モデルを検討した。単変量解析では11特徴量に群間差があったが、偽発見率を補正すると有意な特徴量は残らなかった。反復層化5分割交差検証ではランダムフォレストが最良で、AUC 0.76、正解率0.74、特異度0.81、感度0.61だった。教師なしクラスタリングでも群は明確に分かれなかった。複数特徴量による中等度の識別性能は示すものの、単独の画像バイオマーカーや確立した鑑別診断法を得た結果ではなく、探索的な知見である。
診療との接点を考える
編集上の考察。個別の治療指示ではありません。
嚢胞の鑑別を支援する定量画像解析として研究価値はあるが、日常診療の確定診断を代替する段階ではない。導入判断には別施設での再現性と、誤分類が診断過程に及ぼす影響の検証が必要である。
限界と注意点
- 44病変に対し1,437特徴量を扱う探索的解析で、外部検証は抄録に示されていない。多重比較補正後の非有意性と感度0.61を踏まえた評価が必要である。
AIによる執筆と別工程の原文照合。歯科医師未監修。初版：2026-09-15、更新：2026-09-15。照合日：2026-09-15
原文・出典
Contribution of CBCT-Derived Radiomics and Machine Learning to the Characterization of Osteolytic Lesions of the Jaws.
Mariani P, Fanelli F, Russo D, Maddalena T, Tisci A, Troiano G, Laino L.
Oral diseases
原著公開：（オンライン公開日）
出典確認：2026-09-15。診療分野：口腔外科（原資料から分類）