速歩時の馬における跛行肢および重症度予測のためのコンテキスト対応型機械学習：概念実証研究

3行まとめ

• 馬の速歩時における跛行肢と重症度を、検査条件を考慮した機械学習と慣性計測装置で予測可能か評価した。
• 正解率は前肢46%、後肢47%で主観的評価との一致は中等度だが、左右の取り違えは3%未満と低かった。
• 複数条件下での客観的評価の統合に有用な可能性があり、今後さらなる基準での検証が期待される。

この論文の要約

目的

馬の跛行評価では異なる検査条件下における客観的指標の解釈が課題となる。本研究では、馬体装着型慣性計測装置（IMU）のデータと検査状況パラメータを統合するコンテキスト対応型機械学習を用い、速歩時の跛行肢および重症度の予測能を評価することを目的とした。

対象と方法

日常診療で評価された馬625頭（両側性跛行を除く）を対象とした回顧的観察研究である。頭部、き甲、骨盤の運動から得られた対称性指標と検査条件（地面、運動形態）をニューラルネットワークに入力し、臨床記録に基づく4段階の重症度を予測させ、確信度スコアを算出した。

主な結果

厳密な正解率は前肢で46%（検査条件別43〜53%）、後肢で47%（同45〜52%）であった。誤分類の大部分は隣接する重症度カテゴリ間で発生し、左右肢の判定逆転は3%未満にとどまった。確信度が高い予測群では正解率の向上が認められた。

臨床的意義

本手法により、異なる検査条件下での複数IMU指標を統合して跛行を予測できる可能性が示された。ただし臨床グレードとの一致度は中等度であり、診断麻酔など強固な基準を用いたさらなる検証が必要とされる。

⚠️ この要約はAIが自動生成したものです。