Knee-xRAI：膝関節骨関節炎のKellgren-Lawrence等級を自動で判定する説明可能なAIフレームワーク
arXiv cs.CV / 2026/4/28
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- Knee-xRAIは、膝関節骨関節炎（KOA）のKellgren-Lawrence（KL）グレーディングにおける説明可能性の不足や読影者間ばらつきの課題を、放射線画像評価の精度と可視化性の両面から改善することを目的としています。
- 本フレームワークは、重要な3つの放射線学的KOA所見（関節裂隙狭小化[JSN]、骨棘、軟骨下硬化）をそれぞれ独立に定量し、U-Net++（JSN）、SE-ResNet-50（骨棘）、ハイブリッドtexture-CNN（硬化）で測定した後、KL等級分類に統合します。
- 分類は相補的な2経路で行い、XGBoost経路ではSHAPによる特徴量の寄与が説明可能になり、ConvNeXtのハイブリッド経路では構造化特徴と全画像エンコーダを組み合わせて高い予測性能を狙います。
- OAI由来の8,260枚のX線で評価し、JSNのセグメンテーションはDice係数0.8909、mJSWの一致度（ICC 0.8674）も良好でした。一方、ConvNeXtハイブリッドはテストQWK 0.8436、AUC 0.9017を達成しました。
- アブレーションの結果、KL等級の主要な予測因子はJSNであり、骨棘が一貫した追加的な改善をもたらし、硬化は寄与が小さいことが示されました。また推論時の摂動により、構造化特徴経路が画像エンコーダ単独よりも実質的に効いていることが確認されました。
