🤖 AI

Disentangled Anatomy-Disease Diffusion (DADD) for Controllable Ulcerative Colitis Progression Synthesis

本論文は、特徴精製器と三重経路交差注意機構を通じて患者固有の解剖学的特徴と疾患重症度を分離することにより、制御可能な縦断性潰瘍性大腸炎内視鏡画像を合成する新規フレームワークである「解離解剖・疾患拡散（DADD）」を提案し、これにより全重症度レベルで高忠実度な画像を生成して偏ったデータセットのバランスを再調整し、下流の分類性能を向上させる。

原著者： Umut Dundar, Alptekin Temizel

公開日 2026-05-06

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Umut Dundar, Alptekin Temizel

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

人の胃粘膜の写真を想像してください（内視鏡で撮影されたもの）。この粘膜は、健康でピンク色をしていることもあれば、潰瘍性大腸炎と呼ばれる疾患により、赤く腫れ、潰瘍ができていることもあります。医師は、その状態の深刻さを 0 から 3 までのスコアで表します。

問題は、医療データが不足していることです。疾患の進行に伴う変化を研究するために、同じ患者の胃の各段階の写真を十分に持っているわけではありません。また、既存の写真は偏っており、「健康」な写真は大量にありますが、「重症」な写真は非常に少ないのです。

この論文の著者たちは、この問題を解決するためのツール「DADD（Disentangled Anatomy-Disease Diffusion）」を構築しました。これは「医療用タイムトラベル写真編集機」と考えてください。

以下に、簡単な比喩を用いてその仕組みを説明します。

1. 問題：「ベタつき」のある混乱

通常、AI を使って写真の疾患を変更しようとする（例えば、健康な胃を病気の胃に変える）と、AI は混乱します。これは、まだ塗料が乾いていない壁を塗り直そうとするようなもので、新しい色が古い質感と混ざり合ってしまうのです。

技術的な用語で言えば、AI の「記憶」である患者固有の解剖学的構造（胃のひだや形状）と、疾患の記憶（赤みや潰瘍）がくっついて離れなくなっています。AI に疾患を「悪化」させるよう指示すると、胃の形状が偶然変わってしまう可能性があります。逆に、疾患を「改善」させるよう指示すると、患者固有の特徴が偶然消えてしまうかもしれません。

2. 解決策：「特徴の精製機」（洗濯機）

これを解決するために、DADD は「特徴精製機（Feature Purifier）」と呼ばれる特別なコンポーネントを使用します。

AI の画像データを洗濯かごに入れた洗濯物と想像してください。患者の「解剖学的構造」は清潔な白いシャツで、「疾患」は泥だらけの靴下です。これらはすべて混ざり合っています。

精製機はかごを見て、「泥だらけの靴下（疾患）」の部分を特定し、取り除きます。
残るのは「清潔な白いシャツ（患者固有の解剖学的構造）」だけです。
これで、AI は疾患が一切付着していない、患者の胃の構造そのもののクリーンな状態を手に入れます。

3. 「トリプル経路」キッチン

AI が清潔な解剖学的構造を手に入れたら、今度は特定のレベル（例：「重症度レベル 2 に見えるようにする」）で疾患を付け加える必要があります。

著者たちは、調理鍋（AI モデル）に流れ込む 3 つの独立したコンベアベルト（経路）を持つ特別なキッチンを作りました。

解剖学ベルト：清潔な患者の構造を運ぶ。
疾患ベルト：どのような疾患を追加するかという指示を運ぶ。
デルタ（変化量）ベルト：どの程度変化させるかという指示を運ぶ。

秘密のソース（周波数認識ルーティング）：
AI は、画像の異なる部分に異なる処理が必要であることを理解しています。

**低解像度層（全体像）**は、胃の「骨格」のようなものです。AI は、胃の形状が変わらないように、この部分に「解剖学ベルト」を送ります。
**高解像度層（微細な詳細）**は、「肌の質感」のようなものです。AI は、形状を崩さずに赤みや潰瘍を描き込むために、この部分に「疾患ベルト」を送ります。

これにより、患者は自分自身のように見えつつ、疾患は要求通りに正確に描かれます。

4. 「デルタ・ステアリング」：音量ノブ

画像を変更するほとんどの AI ツールでは、画像を確認するためにプロセスを 2 回実行する必要があります（1 回は画像を表示し、もう 1 回は指示を与えない場合の結果を表示する）。これには時間がかかります。

DADD は「デルタ・ステアリング」を使用します。これは「音量ノブ」や「調光スイッチ」のようなものです。

機械を 2 回実行する代わりに、ノブを回すだけです。
「軽度」から「重症」へ変えたい場合は、ノブを上げます。
「重症」から「治癒」へ変えたい場合は、ノブを下げます。
これは単一のパスで実行されるため、他の手法に比べて2 倍高速です。

彼らは何を達成しましたか？

彼らは、実際の内視鏡画像データセット（LIMUC）でこれをテストしました。

結果：軽度の疾患を持つ患者の写真を、その「同じ」患者の重症の疾患の写真として生成でき、その逆も可能でした。
証明：これらの生成された写真を使ってコンピュータに疾患の診断を学習させたところ、コンピュータは軽度と重症のケースを区別する能力が大幅に向上しました。
注意点：「音量ノブ（ステアリングスケール）」を上げすぎると、画像が歪んで奇妙に見えます。しかし、適切な設定にすれば、美しく機能します。

要約すると：DADD は、患者の固有の体型と疾患を分離するツールであり、医師が患者のアイデンティティを損なうことなく、その特定の患者の病状が時間とともにどのように改善または悪化するかをシミュレートすることを可能にします。

技術概要：制御可能な潰瘍性大腸炎の進行合成のための解離型解剖学 - 疾患拡散モデル（DADD）

1. 問題定義

制御可能な疾患段階における縦断的医療画像の合成は、患者固有の解剖学的特徴と病理的テクスチャの絡み合いによって阻害されている。潰瘍性大腸炎（UC）の文脈において、疾患の重症度はメイオ内視鏡スコア（MES）で定義される連続的な順序進行に従い、0（正常）から 3（重度）の範囲で変化する。LIMUC などの既存データセットは、反復的内視鏡検査の侵襲性により、深刻なクラス不均衡と縦断的フォローアップの欠如に悩まされている。

現在の生成アプローチは、決定的な「絡み合いのボトルネック」に直面している。参照画像に基づいて生成を条件付ける手法（CLIP エンコーダを用いた IP-Adapter など）は、必然的にソース疾患の病理を解剖学的表現に埋め込んでしまう。ソース画像を MES 3 から MES 0 へ変更するなど、反事実的な進行を合成しようとする際、モデルは矛盾する信号を受け取る：解剖学的構造を保持しつつ、同時にソースの病理を消去し、新たな重症度レベルを生成しなければならない。この意味論的衝突は、しばしば構造的なアーティファクトや、既存の疾患特徴の除去失敗をもたらす。

2. 手法

提案するフレームワーク「解離型解剖学 - 疾患拡散モデル（DADD）」は、潜在拡散モデル内で解剖学的アイデンティティを疾患重症度から明示的に分離することでこの課題に対処する。このアーキテクチャは、標準的な Stable Diffusion のバックボーンに 3 つの新しいコンポーネントを統合している：

2.1. 加法的順序埋め込み（AOE）

MES の連続的な性質をモデル化するため、このフレームワークは重症度を学習可能な増分の累積和として表現する AOE を採用する。高い MES レベルには、より低いレベルのすべての特徴に加え、追加の病理が含まれる。これにより、連続的な補間を通じて任意の中間重症度レベルの生成が可能となる。

2.2. 特徴精製器

解剖学とソース疾患間の絡み合いを解決するため、「特徴精製器」が導入される。このモジュールは 3 つの段階で動作する：

識別： クロスアテンション層が、ソース疾患埋め込み（ソース MES ラベルから導出）に対して画像トークンを照会し、疾患相関チャネルを識別する。
ゲーティング： ゲーティング MLP がシグモイドマスクを生成し、識別された特徴の抑制を制御する。
消去： ゲート付き残差減算により、疾患コンポーネントを画像トークンから除去し、構造アイデンティティを保持しつつソース病理を欠く「精製された」解剖学トークン（ $e_{clean}$ ）を生成する。

2.3. 三重経路クロスアテンション

すべての条件付けトークンを連結する代わりに、DADD は U-Net に注入される 3 つの明確な経路を持つ分割注入メカニズムを利用する：

解剖学経路： 構造再構成を保持するため、事前学習された投影を用いて精製された解剖学トークン（ $e_{clean}$ ）を処理する。
疾患経路： 個別のバイアスなし投影を用いて、ターゲット疾患トークン（ $e_{aoe}^t$ ）を処理する。
デルタ経路： ターゲットとソースの埋め込みの差から導出される方向性のある重症度変化（ $\Delta$ ）を処理する。

周波数認識ルーティング： このフレームワークは、異なる U-Net 深度における解剖学対疾患の寄与を重み付ける解像度依存ルーティングゲート（ $g_a, g_d$ ）を採用する。低解像度ブロック（グローバル構造を捉える）は解剖学に重く重み付けされ、高解像度ブロック（微細なテクスチャを捉える）は疾患に重み付けされる。これにより、疾患編集は微細な病理的テクスチャに限定され、グローバルな粘膜構造を乱すことなく行われる。

2.4. デルタ・ステアリング

Classifier-Free Guidance（CFG）の計算コストなしに疾患遷移を精密に制御可能にするため、著者は「デルタ・ステアリング」を導入する。これは、ターゲットとソースの順序埋め込み間の投影された差から導出される、トレーニング不要の単一パス方向性信号である。

メカニズム： $\Delta = \text{proj}(E[y_t]) - \text{proj}(E[y_s])$ 。
動作： 推論中、 $\Delta$ はバイアスなし疾患投影を介して処理され、アテンション機構に符号付きで大きさ比例の信号を注入する。
利点： これにより無条件のフォワードパスが不要となり、標準的な CFG と比較して推論レイテンシが約 2 倍に短縮される。

3. 主要な貢献

消去による解離： クロスアテンションベースの特徴精製器が、画像トークンから動的に疾患相関チャネルを識別・抑制し、解剖学を病理から効果的に解離させる。
周波数認識注入： 固定ルーティングゲートを備えた三重経路クロスアテンション機構が、解像度階層に基づいて解剖学的および病理学的信号を適切な U-Net 層へ誘導する。
デルタ・ステアリング： 単一パス制御メカニズムによる単調な疾患進行を実現し、符号付きで大きさ比例の制御を提供する新規手法であり、CFG よりも効率的な代替手段を提供する。
対象型拡張： 被験者固有の縦断データを合成することが、歪んだクラス分布を効果的に再平衡化し、下流の分類性能を向上させるという実証的デモンストレーション。

4. 実験結果

このフレームワークは、Stable Diffusion v1.4 を使用して LIMUC データセット（10,284 画像）で検証された。

生成品質： 一部のバリアント（DADD-I、DADD-U）は低いフレレヒ・インセプション距離（FID）スコアを達成したが、識別可能な病理的特徴を生成できず、下流タスクではほぼランダムな性能に留まった。高解像度層と疾患注入を整合させる「階層的ルーティング（DADD-H）」構成が、最適なバランスを達成した。
下流分類： DADD-H は、ベースラインと比較して分類精度と二次加重カッパ（QWK）を大幅に向上させた。「合成のみ」のトレーニングシナリオ（実データなし）において、DADD-H は61.68% の精度と70.74 の QWKを達成し、IP-AOE ベースライン（54.54% / 42.20 QWK）を上回った。
重症度忠実度： 実データでトレーニングされた回帰ジャッジが合成出力を評価した。DADD-H は81.53 の QWKと0.46 の RMSEを達成し、実データでトレーニングされたモデルの性能（83.28 QWK / 0.47 RMSE）とほぼ一致した。これは、モデルがソースを単に複製するのではなく、病理を真に変換していることを確認するものである。
推論速度： 単一パスのデルタ・ステアリングメカニズムにより、DADD 変種は CFG ベースのベースライン（バッチサイズ 8 において 187.3 ms/画像対 314.6 ms/画像など）に対して約2 倍の高速化を達成した。
定性的分析： 視覚的比較により、DADD-H は重症度を低下させる合成時（例：MES 3 $\to$ 0）に既存の病理的テクスチャを正常に消去したのに対し、IP-Adapter ベースラインはソース疾患を除去できず、絡み合った生成結果となったことが示された。

5. 意義と主張

本論文は、患者固有の解剖学を保持しつつ疾患重症度を制御可能に調整できる縦断的医療画像の合成のための堅牢なフレームワークとして DADD を提供するとしている。著者は以下を強調している：

分布類似性（FID）は不十分である： 条件付き進行合成を検証するには不十分であり、FID が低いモデルは病理を意味のある方法で変更できない可能性がある。
解離が重要である： 反事実的生成中の意味論的衝突を回避するため、解剖学的埋め込みからソース疾患情報を明示的に消去することが必要である。
効率性： デルタ・ステアリングメカニズムは CFG に対する計算的に効率的な代替手段を提供し、臨床応用における制御可能な合成をより実用的にする。
臨床的有用性： バランスの取れた被験者固有の縦断データを生成する能力は、医療データセットに内在するクラス不均衡に直接対処し、下流の診断分類器のトレーニングを改善する。

著者は、性能がステアリングスケール（ $\lambda_{steer}$ ）に敏感であり、値が 5 以上になると構造的アーティファクトが生じることを指摘し、クラスごとのステアリングスケジュールと他の縦断的医療モダリティへの拡張に関する今後の作業を提案している。