以下は、提示された論文「Neuro-Oracle: A Trajectory-Aware Agentic RAG Framework for Interpretable Epilepsy Surgical Prognosis」の詳細な技術的サマリーです。

1. 研究の背景と課題 (Problem)

薬物難治性てんかんの患者に対する外科手術後の発作再発予測は、臨床的な課題です。従来の深層学習アプローチは、術前の単一時点の MRI スキャンに基づいており、以下の限界がありました。

• 縦断的変化の欠如: 術前と術後の形態学的変化（経時的な脳構造の変化）を無視しており、健康な状態から術後状態への「軌道（trajectory）」を捉えられていない。
• データ不足: 単一施設の症例数は限られており（数百例程度）、高容量のエンドツーエンド分類器は過学習しやすい。
• 解釈性の欠如: 従来の分類器は確率スコアのみを出力し、臨床的な根拠（なぜその予測になったか）を提供しないため、外科医の意思決定支援ツールとしての受容性が低い。

また、この研究では公開データセット（EPISURG）に真の術後発作自由度（Engel 分類）のラベルが含まれていないため、「切除部位の種類（側頭葉切除 vs 非側頭葉切除）」をプロキシ（代理）ラベルとして使用せざるを得ないという制約があります。これはモデルが実際の病変ではなく、切除腔の解剖学的特徴（側頭葉か否か）を学習してしまうリスクを含みます。

2. 提案手法：Neuro-Oracle (Methodology)

著者は、上記の課題を解決するために、**3 段階のフレームワーク「Neuro-Oracle」**を提案しました。これは、軌道（trajectory）を考慮したアージェント型 RAG（Retrieval-Augmented Generation）システムです。

第 1 段階：対照的軌道エンコーディング (Contrastive Trajectory Encoding)

• 入力: 術前 MRI ($X_{t0}$) と術後 MRI ($X_{t1}$) のペア。
• 前処理: 術後画像を術前画像に対して剛体登録（6 自由度）を行い、非線形変形登録は避けて局所的な体積変化を保持します。
• アーキテクチャ: 3D シアミーゼ（Siamese）ネットワーク（3D ResNet-50 ベース）を使用。術前と術後の画像を共有重みでエンコードし、その差分ベクトルを MLP ヘッドで 512 次元の「軌道ベクトル（$\Delta v$）」に変換します。
• 学習: 教師あり対照損失（Supervised Contrastive Loss）と Focal Loss を組み合わせ、クラス不均衡（4:1）に対処しつつ、同じ予後クラス間の軌道ベクトルを近づけ、異なるクラス間を遠ざけるように学習します。

第 2 段階：集団アーカイブと軌道検索 (Population Archive & Retrieval)

• 学習済みのエンコーダーで訓練データから軌道ベクトルを生成し、FAISS 索引に格納して「集団アーカイブ」を構築します。
• 新規患者（クエリ）の軌道ベクトルに対して、コサイン類似度に基づく最近傍検索（k-NN, k=5）を行い、歴史的に最も類似した症例群を抽出します。

第 3 段階：校正された LLM 推論エージェント (Calibrated LLM Reasoning Agent)

• RAG パラダイム: 検索された類似症例の情報（年齢、性別、術式、結果）とクエリ患者のメタデータをプロンプトに組み込み、量子化された Llama-3-8B（4-bit NF4）推論エージェントに入力します。
• 推論: エージェントは「成功（SUCCESS）」または「失敗（FAILURE）」のトークンを出力し、その後に自然言語による根拠（justification）を生成します。
  • 年齢フィルタ: プロンプト内で、年齢差が 15 年を超える類似症例を無視するよう指示しています。
• 確率統合: 最終的な予測確率は、検索された類似症例の多数決（$p_{neighbor}$）と LLM の判断（$p_{LLM}$）を重み付け（6:4）して統合します。
  $$p_{Oracle} = 0.60 \times p_{neighbor} + 0.40 \times p_{LLM}$$

3. 主な貢献 (Key Contributions)

1. 軌道意識型 RAG フレームワークの提案: てんかん外科予後において、単一スキャンではなく「術前 - 術後の形態学的変化の軌道」を检索キーとして利用し、LLM を介して解釈可能な予測を行う初の試み。
2. 解釈可能性と性能の両立: 従来のブラックボックス分類器は高い AUC を出しますが根拠を示せません。Neuro-Oracle は、純粋な判別モデル（M6）と同等の性能（AUC 0.867）を維持しつつ、**ゼロの幻覚（hallucination）**で構造化された自然言語の根拠を生成します。
3. オープンソースと再現性: すべてが公開データセット（EPISURG）とオープンソースツール（MONAI, FAISS, HuggingFace）に依存しており、完全な再現性を保証しています。

4. 実験結果 (Results)

EPISURG データセット（N=268, 5 分割層化交差検証）を用いた評価結果は以下の通りです。

• 性能比較:

  • 軌道ベース手法の優位性: 単一スキャンの ResNet-50 ベースライン（AUC 0.793）に対し、軌道ベクトルを用いた手法は全体的に高い性能を示しました。
  • 最高 AUC: 純粋な判別モデルである「Siamese Diversity Ensemble (M6)」が AUC 0.905 で最高性能を記録しました。
  • Neuro-Oracle (M5) の性能: AUC 0.867 を記録し、単一スキャンの Vision Transformer ベースライン（M2）や k-NN ベースライン（M4）と同等の性能を達成しました。
  • 感度: 軌道ベース手法は、少数クラス（予後不良プロキシ）に対する感度が大幅に向上しました（M3 で 0.849、M5 で 0.566）。閾値を最適化（0.34）することで、M5 の感度は 0.698 まで向上しました。

• 解釈性と監査:

  • LLM エージェントによる予測に対して、幻覚（事実と異なる情報の生成）は 0% でした。これは厳格なプロンプト設計によるものです。
  • 年齢フィルタの遵守率は 73.9% でした。

5. 意義と結論 (Significance & Conclusion)

• 臨床的価値: 単に「確率」を出力するだけでなく、「なぜその予測になったか（類似した過去の症例とどの点が似ているか）」を自然言語で説明できる点は、外科医の信頼獲得と意思決定支援において極めて重要です。
• 技術的示唆: 少量の医療データにおいて、エンドツーエンドの深層学習よりも、**「低次元の軌道埋め込み + 検索 + 推論エージェント」**という構成の方が、過学習に強く、かつ解釈性を保てることを示しました。
• 今後の課題: 現在の評価は「切除部位の分類（プロキシラベル）」に基づくものであり、真の発作自由度予測ではありません。将来的には、真の臨床転帰ラベルとリンクしたデータセットでの検証や、多施設での一般化能力の検証が必要です。

総じて、Neuro-Oracle は、医療 AI において「性能」と「解釈可能性」のトレードオフを克服し、透明性のある予測システムを構築するための有効なアーキテクチャを提示した画期的な研究です。