医療AI臨床試験：複数回の血液検査から深層学習で肝線維化を早期に見分ける「NIMIT-AI」 ― 脂肪肝(MASLD)のトリアージ（NCT07675525）
脂肪肝(MASLD)の患者で、複数回の血液検査の推移を深層学習で読み、肝臓の線維化(scarring)を早期に見分けるAI「NIMIT-AI」を評価した観察研究。現行のFIB-4スコアと比較。バンコクのSiriraj病院で2018–2022年の患者で検証。完了。
試験の概要（一次情報）
- 進行状況完了
- 対象疾患MASLD (Metabolic Dysfunction-Associated Steatotic Liver Disease)
- 介入／手法DIAGNOSTIC_TEST: Longitudinal electronic health record analysis
- スポンサーSiriraj Hospital
- 目標症例数1,351 例
- 期間2018-01-01 〜 2024-06-16
要点
- 脂肪肝(MASLD)で、複数回の血液検査の推移を深層学習で読み肝線維化を早期に見分けるAI「NIMIT-AI」の評価。
- 比較対象は現行のFIB-4スコア。主要評価は有意な線維化(F≥2)識別のAUROC。
- タイ・バンコクのSiriraj病院で2018–2022年に受診した969例で検証。
- 要旨では、この検証でNIMIT-AIはFIB-4より正確に線維化を検出し、検査値が一部欠けても機能したと報告。
- 単一施設・後ろ向きの検証。臨床使用やFIB-4置換の確立ではなく、外部集団での再現が課題。
脂肪肝(MASLD＝代謝機能障害関連脂肪性肝疾患)は、肝臓に脂肪がたまるありふれた状態で、進行すると肝臓に線維化(scarring＝瘢痕化)が起きる。線維化を早く見つければ、悪化する前に手を打ちやすい。今よく使われるのは血液検査から計算する「FIB-4」というスコアだが、多くの患者を見逃すうえ、検査値が欠けていると計算できないという弱点がある。
本研究が評価する「NIMIT-AI」は、この課題に別の角度から取り組む。登録情報の要旨によれば、NIMIT-AIは一度きりの検査値でなく、複数回の受診にわたる血液検査の推移を読み、線維化を示唆するパターンを捉える。
タイ・バンコクのSiriraj病院で2018–2022年に受診した969例で検証され、主要評価項目は有意な線維化(F≥2)を識別するROC曲線下面積(AUROC)である。要旨によれば、この検証においてNIMIT-AIはFIB-4より正確に線維化を検出し、一部の検査値が欠けていても機能したと報告されている(実臨床では検査値の欠損は頻繁に起こる)。
なぜ重要か
一度きりの値でなく通院ごとの検査値の「推移」を使い、欠損データにも強いと報告される設計は、電子カルテ(EHR)を活かすAIの方向性を示す。慢性疾患のトリアージへのAI応用を考える参考になる（本試験は単一施設・後ろ向きの検証であり臨床使用の確立ではない）。
よくある質問（FAQ）
FIB-4スコアとは？
NIMIT-AIはFIB-4より優れていると確定したのですか？
出典（一次情報）
出典：ClinicalTrials.gov（米国NIH/NLM・パブリックドメイン）。本サイトは医療助言を行いません。最新・正確な内容は公式をご確認ください。本サイトは NIH/NLM に推奨・認定されたものではありません。
- ClinicalTrials.gov（試験登録・原文）
- 登録番号: NCT07675525