膝の通常X線写真からの機会的骨量低下スクリーニング：感度制約付きしきい値最適化を用いたマルチタスク深層学習フレームワーク

要旨: 背景: 骨粗鬆症および骨減少症は、脆弱性骨折が起こるまで診断されないことがしばしばある。骨ミネラル密度（BMD）評価の基準手法は二重エネルギーX線吸収測定法（DXA）であるが、利用は限られている。膝のレントゲン撮影は変形性関節症の評価のために大量に取得されており、機会的（opportunistic）な骨量低下スクリーニングの機会を提供し得る。
目的: 追加の画像撮影や患者受診を伴わず、日常的な膝レントゲン画像から機会的な骨量低下をスクリーニングするためのマルチタスク深層学習システムを開発し、評価すること。
方法: 単一チャネルのグレースケール膝レントゲン画像向けのマルチタスク枠組みであるSTR-Netを開発した。モデルは、共通バックボーン、グローバル平均プーリングによる特徴量集約、共有ネック、および3つのタスク固有ヘッドに接続されたタスク認識表現ルーティングモジュールを含む。タスクは、二値スクリーニング（正常 vs. 骨量低下）、重症度のサブ分類（骨減少症 vs. 骨粗鬆症）、および弱く結合されたTスコア回帰で、オプションとして臨床変数を用いる。感度制約付きの閾値最適化戦略（最小感度 >= 0.86）を適用した。データセットには1,570枚の膝レントゲン画像を含み、患者単位で訓練（n=1,120）、検証（n=226）、テスト（n=224）に分割した。
結果: 抜き取りのテストセットにおいて、STR-Netは二値スクリーニングでAUROC 0.933、感度0.904、特異度0.773、AUPRC 0.956を達成した。重症度サブ分類ではAUROC 0.898であった。Tスコア回帰分岐は、パイロット部分集団（n=31）において、DXAで測定したTスコアとの間でピアソン相関0.801を示し、MAEが0.279、RMSEが0.347であった。
結論: STR-Netは、日常的な膝レントゲン画像から、1回の推論で骨量低下のスクリーニング、重症度層別化、ならびに定量的なTスコア推定を可能にする。導入前には前向きの臨床的検証が必要である。