論文の概要: Artificial Intelligence for Detecting Fetal Orofacial Clefts and Advancing Medical Education

• arxiv url: http://arxiv.org/abs/2603.06522v1
• Date: Fri, 06 Mar 2026 18:06:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:46.369882
• Title: Artificial Intelligence for Detecting Fetal Orofacial Clefts and Advancing Medical Education
• Title（参考訳）: 胎児顎口蓋裂検出のための人工知能と医学教育の進歩
• Authors: Yuanji Zhang, Yuhao Huang, Haoran Dou, Xiliang Zhu, Chen Ling, Zhong Yang, Lianying Liang, Jiuping Li, Siying Liang, Rui Li, Yan Cao, Yuhan Zhang, Jiewei Lai, Yongsong Zhou, Hongyu Zheng, Xinru Gao, Cheng Yu, Liling Shi, Mengqin Yuan, Honglong Li, Xiaoqiong Huang, Chaoyu Chen, Jialin Zhang, Wenxiong Pan, Alejandro F. Frangi, Guangzhi He, Xin Yang, Yi Xiong, Linliang Yin, Xuedong Deng, Dong Ni,
• Abstract要約: 顎裂は先天性頭蓋顔面異常の中で最も多い。 以上の結果から, 人工口腔の口蓋裂は93%, 95%以上の感度, 特異性で診断できることが示唆された。
• 参考スコア（独自算出の注目度）: 50.132847182375514
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Orofacial clefts are among the most common congenital craniofacial abnormalities, yet accurate prenatal detection remains challenging due to the scarcity of experienced specialists and the relative rarity of the condition. Early and reliable diagnosis is essential to enable timely clinical intervention and reduce associated morbidity. Here we show that an artificial intelligence system, trained on over 45,139 ultrasound images from 9,215 fetuses across 22 hospitals, can diagnose fetal orofacial clefts with sensitivity and specificity exceeding 93% and 95% respectively, matching the performance of senior radiologists and substantially outperforming junior radiologists. When used as a medical copilot, the system raises junior radiologists' sensitivity by more than 6%. Beyond direct diagnostic assistance, the system also accelerates the development of clinical expertise. A pilot study involving 24 radiologists and trainees demonstrated that the model can improve the expertise development for rare conditions. This dual-purpose approach offers a scalable solution for improving both diagnostic accuracy and specialist training in settings where experienced radiologists are scarce.
• Abstract（参考訳）: 顎口蓋裂は先天性頭蓋顔面異常の中でも最も多いが、経験豊富な専門医の欠如と症状の相対的希少さにより、正確な出生前診断が困難である。 早期かつ信頼性の高い診断は、タイムリーな臨床介入を可能にし、関連する死亡率を減らすために不可欠である。 ここでは,22病院の9,215人の胎児の45,139枚以上の超音波画像から訓練した人工知能システムを用いて,高次放射線技師の成績に合わせた感度および特異度が93%,95%を超える胎児の顎顔面裂の診断が可能であり,中等放射線医の成績にほぼ匹敵する結果が得られた。 医療用副操縦士として使用すると、若い放射線技師の感度が6%以上上昇する。 直接診断補助以外にも、このシステムは臨床専門知識の開発を加速させる。 24人の放射線技師と研修生によるパイロット研究は、このモデルが稀な条件下での専門的開発を改善することを実証した。 この二重目的アプローチは、経験豊富な放射線医が不足している環境で診断精度と専門訓練を改善するためのスケーラブルなソリューションを提供する。

関連論文リスト

• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
  プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。 UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。 疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
  論文  参考訳（メタデータ） (2024-11-25T13:40:11Z)
• Learning from the few: Fine-grained approach to pediatric wrist pathology recognition on a limited dataset [4.391219238034502]
  悪性腫瘍,特に小児・青年に共通する骨折は重要な診断課題である。 近年の深部畳み込みニューラルネットワークの進歩は、外傷X線における病理検出の自動化を約束している。 従来の手作業による注釈は効果的だが、精巧で費用がかかり、専門的な専門知識を必要とする。 手動で介入することなく、X線における識別領域を自動的に識別することを目的とした、きめ細かいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-08-24T10:14:52Z)
• Automatic Endoscopic Ultrasound Station Recognition with Limited Data [0.0]
  膵臓がんは致命的ながん形態であり、世界中のがん関連死亡に大きく貢献する。 医療画像技術の進歩にもかかわらず、膵癌は検出が困難な疾患である。 内視鏡的超音波検査は膵癌を最も効果的に診断するツールである。 膵臓の完全な画像を得るには、内視鏡を複数の「EUSステーション」に誘導することを学ぶ必要がある。
  論文  参考訳（メタデータ） (2023-09-21T06:40:05Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。