犬の四肢骨肉腫における骨折荷重予測に向けた力学的解析と機械学習の融合

3行まとめ

• 犬の四肢骨肉腫における骨折リスクを有限要素法データと機械学習を用いて迅速に予測する手法を評価した。
• XGBoostが最も優れた予測性能を示し、病変の程度と体重が骨折荷重を左右する主要な因子と判明した。
• 髄内固定の骨折遅延効果を迅速に予測可能となり、患肢温存療法における個別化医療への応用が期待される。

この論文の要約

目的

犬の四肢骨肉腫では病的骨折リスクが高く、定位放射線治療（SBRT）後の骨折や予防的固定の合併症が臨床上の課題となっている。有限要素解析（FEA）は骨折発生閾値を推定可能だが計算負荷が大きいため、本研究では高精度FEAデータをもとにインプラント性能を迅速に予測する機械学習（ML）モデルの有用性を検証した。

対象と方法

犬16頭のCT画像から再構築した骨モデルを用い、拡張有限要素法（XFEM）により髄内固定の有無を含む25通りの荷重下で亀裂発生をシミュレーションした。得られた825のデータと生体・形態学的特徴を用い、XGBoostなど5種のMLモデルを訓練・評価した。

主な結果

テストデータにおいてXGBoostが最も高い精度を示し、平均決定係数R2は約0.90、正規化平均絶対誤差は約8%であった。特徴量解析では病変の程度と体重が骨折予測の主要因子であった。FEAおよびML予測から、髄内固定により骨折発生を遅延できる可能性が示唆されたが、効果には個体差がみられた。

臨床的意義

本手法は臨床現場での迅速な意思決定支援ツールとなる可能性があり、患肢温存療法における適切な固定法選択や骨折リスク評価への応用が期待される。

⚠️ この要約はAIが自動生成したものです。