R.Du Hyun Ro整形外科と研究の話
文字
← 研究 の 歴史

関節炎検査と監視 · 2025

X線で関節裂隙をより正確に測定できるのでしょうか?

関節裂隙をAIで測定し,関節炎の規模と時間の経過とともに変化した様子を調べました

KSSTA · Lee DW et al. · Ro DH

研究の数値から読む結果

最も早期のJSN識別のAUCは0.86、より進行した段階では0.95と0.97でした。図を拡大する

最も早期のJSN識別のAUCは0.86、より進行した段階では0.95と0.97でした。

Knee Surgery, Sports Traumatology, Arthroscopy (2025). DOI: 10.1002/ksa.70227 · Original explanatory chart based on reported data

根拠・原著画像の利用条件
01

X線で「関節裂隙が狭い」とはどういう意味か

膝X線で骨間の裂隙を確認します。軟骨を直接写すものではありませんが、関節構造の手がかりです。時間とともに狭くなる量を調べるには、同じ基準で反復測定できる必要があります。

関節裂隙を測る位置と方向を新たに定めた研究です。AIがどれだけ正しく測れたかを見る前に、何を測るよう設計したかを理解すると内容を読みやすくなります。

02

固定位置の代わりに 最狭い隙間を恒定方向で 見つけました

従来法は脛骨関節面の固定位置で関節裂隙を測ります。新しい方法は標準化した膝内側領域で脛骨関節線に直交する距離を測り、最も狭い間隔を探します。これがorthogonal minimum JSW、略してoJSWです。

OAI参加者3,855人のX線15,313枚を解析し、初回から最長72か月を含みました。深層学習による新指標を従来の固定位置測定と比較しました。15,313は画像数で、患者数ではありません。

03

関節裂隙がどの程度縮小されているかよりよく理解しています

関節裂隙狭小化(JSN)>0、>1、>2を識別するAUCは、それぞれ0.86、0.95、0.97でした。抄録では、固定位置で測定するJSWとの差を0.04–0.08と要約しています。同じ時点の画像で狭小化の程度を識別した結果であり、個人の将来の変形性膝関節症の進行確率を示す値ではありません。

04

数値の小さな変化を記録しようとする研究です

等級は状態をいくつかの範囲にまとめるのに便利です。関節裂隙を連続値で測ると、同じ等級内の違いも研究できます。治療や自然経過を評価するには、繰り返し使える測定基準が必要です。

このAIは決められた測定を自動化する道具です。医師の判断全体を置き換えたり、1枚のX線から痛みや手術時期を決めたりするものではありません。測定が改善することと、その測定で治療結果が良くなることは別々に確認する必要があります。

05

AUC 0.97は未来を予測するものです

最大値0.97はJSN >2の状態を識別する性能です。今後OAが進行する確率97%や、診断が常に97%正確という意味ではありません。AUCをどの結果を基準に計算したか、まず確認する必要があります。

追跡画像を含んでも、個人の将来の痛みや人工関節の必要性を直接予測する結果ではありません。構造変化の指標としての可能性を示し、どの診療場面で役立つかは別途検証が必要です。

原著図の初回・2年・6年の画像は測定法を示す例です。1例を参加者全体の平均経過として読むべきではありません。長期間観察しただけでは、全員が同じ速さで変化したとは結論できません。

また研究番号を見てください

15,313放射線映像を分析する
72ヶ月最大追跡時間
0.97JSN > 2 AUCで割った
RESEARCH FINDINGAUC

関節裂隙狭小化等級の識別性能

JSN >0
0.86
JSN >1
0.95
JSN >2
0.97
00.51
異なるJSN基準に対する識別性能であり、将来の進行の予測値ではありません。

よくある質問

AIは実際に軟骨の厚さを計算しているのか?

X線の骨間の裂隙を測定し、軟骨に関連する構造指標として用います。軟骨を直接撮影して厚さを測るものとは異なります。

AUCが0.97なら、今後悪化する確率も97%なのでしょうか?

違うわ JSNの標準よりも狭い画像と違うイメージを区別する能力です 将来の進歩の確率ではありません

この記事の用語
関節裂隙
X線で見た2本の骨の距離です 軟骨を間接的に評価するときに使用されます
JSN
関節裂隙は,その範囲を絞ったことを意味します.
AUC
異なる状態を区別するモデルのためのパフォーマンス指標です 個々の成功率とは違います
方法と数値を詳しく見る

Orthogonal minimum joint space width for assessing knee osteoarthritis

対象と方法

OAIの膝放射線量 15,313ユニット ·最大72ヶ月

深層学習を用いてorthogonal minimum JSWを自動測定しました。横断的なJSNグレードの識別性能と、反復撮影での変化への反応性を、従来の固定位置JSWと比較しました。

論文に報告された結果

  1. JSN >0、>1、>2を識別するAUCは、それぞれ0.86、0.95、0.97でした。
  2. 기존 고정 위치 측정법보다 AUC가 절대값 기준 0.04–0.08 높았습니다.
  3. 長期追跡画像における構造的変化を定量化する指標としての活用可能性を示しました。

解釈できる範囲

報告されたAUCは、JSNの重症度を識別する性能です。個人の将来の進行リスクや治療効果を予測するAUCとして解釈することはできません。

Keywords・キーワード

Abstract・原文の抄録

Do Weon Lee, Dae Seok Song, Yong Seuk Lee, Ja-Young Choi, Du Hyun Ro. Deep learning-derived orthogonal minimum joint space width improves radiographic assessment of knee osteoarthritis severity and progression. Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA. 2025. doi:10.1002/ksa.70227.

PURPOSE

To evaluate the performance of a novel orthogonal minimum joint space width, defined as the narrowest distance measured orthogonally to the tibial joint line within a standardised medial axis, for detecting and monitoring knee osteoarthritis progression. This artificial intelligence-derived metric, obtained through deep learning, was compared with conventional fixed-location joint space width measures.

METHODS

A total of 15,313 knee radiographs from the Osteoarthritis Initiative (OAI), spanning baseline to 72-month follow-up, were analysed in this retrospective cohort study. Orthogonal minimum joint space width was automatically measured using a deep learning model. Discriminative ability for cross-sectional joint space narrowing severity was assessed using the area under the receiver operating characteristic curve. Longitudinal responsiveness was evaluated with the standardised response mean and relative standardised response mean, computed from pooled 12-month intervals and stratified by baseline narrowing grade. Variability was estimated through 1000 bootstrap resamples. Performance was compared with fixed-location measures at 22.5% and 25.0% from the medial edge of the tibial plateau.

RESULTS

Orthogonal minimum joint space width demonstrated strong discriminative performance, with area under the curve values of 0.86, 0.95 and 0.97 for joint space narrowing greater than grades 0, 1 and 2, respectively - exceeding the corresponding values for fixed-location measures by absolute margins of 0.04-0.08. Pooled relative standardised response mean analysis showed consistently higher responsiveness for orthogonal minimum joint space width, with median values of 0.97, 0.95 and 0.91 for baseline narrowing grades 0, 1 and 2, representing approximately 2%-4% greater responsiveness than fixed-location measures across all strata.

CONCLUSIONS

Orthogonal minimum joint space width, automatically quantified by deep learning, enhances both sensitivity and specificity for assessing knee osteoarthritis severity and progression. This metric may serve as a robust and reproducible structural imaging endpoint for clinical trials and longitudinal research.

LEVEL OF EVIDENCE

Level II.