技術要約：肺結節セグメンテーションにおける人間とAIの協調（Hi-Seg）

問題提起

本研究は、医療画像における堅牢な人工知能（AI）モデルの訓練における決定的なボトルネック、すなわち高品質なセグメンテーションマスクの不足と、専門的な医学的アノテーターの限定的な可用性に対処するものである。ディープラーニングモデルやSegment Anything Model（SAM）のような基盤モデルはセグメンテーションを加速させているが、完全に自動化されたアプローチは、実際の臨床現場における汎化性能において苦戦することが多い。具体的には、完全に自動化されたディープラーニングモデルは、健康な組織と類似したテクスチャを持つ病変（例：すりガラス状陰影）を区別できないことがよくある。また、SAMのような基盤モデルはプロンプトの質に対して非常に敏感である。臨床現場において、高いSAM性能を実現するために必要な理想的なプロンプト（グラウンドトゥルース・マスクから派生したもの）は利用不可能であり、その結果、大幅な性能低下（例：理想的なプロンプトがない場合の肺結節のDiceスコアは約42%まで低下）を招いている。さらに、AIへの盲目的な依存は誤解を招く可能性があるため、専門家によるレビューが必要であるが、これは時間がかかり非効率的である。中心となる課題は、専門家のアノテーターの不足を考慮しつつ、いかにして堅牢なAI訓練をサポートする高品質な病変セグメンテーションマスクを迅速に生成するかである。

手法

著者らは、肺結節のセグメンテーション用に設計された、Segment Anything Model（SAM）に基づいたヒューマン・イン・ザ・ループ型セグメンテーション・フレームワークであるHi-Segを提案している。

フレームワーク設計

Hi-Segは、人間の意味論的推論と、SAMの迅速な境界描画能力を、反復的な試行錯誤学習と統合している。ワークフローは以下の通りである：

1. 初期化： アノテーター（シニア放射線科医から非医療従事者まで）は、軸位断、冠状断、および矢状断の胸部CTスキャンを閲覧する。
2. プロンプティング： アノテーターは、候補となるマスクを生成するために、初期プロンプト（結節内部への左クリック）を提供する。
3. 反復的な精緻化： マスクが不十分な場合、アノテーターは追加のプロンプトを通じてこれを精緻化する：
   • 左クリック： マスクに領域を追加する（結節がアンダーセグメンテーションされている場合）。
   • 右クリック： マスクから領域を除去する（マスクが背景に溢れている場合）。
4. フィードバックループ： SAMは、新しいプロンプトと以前の予測に基づいてマスクを更新する。アノテーターはフィードバックを観察し、どのプロンプト配置が高品質なマスクをもたらすかを学び、最小限の相互作用で正確なセグメンテーションに収束するように、次第に戦略を洗練させていく。
5. 技術的最適化： 低レイテンシの相互作用を確保するため、Hi-SegはSAMのVision Transformer（ViT）エンコーダによって生成された画像埋め込みを事前計算して再利用し、反復プロセス中の冗長な計算を回避する。

実験設定

• データセット： 本研究では12センターにわたる1,179人の患者を利用した。
  • トレーニング／内部検証： 公開データセットであるLIDC-IDRI（1,010人）。
  • 外部テスト： 単一センターコホート（904人）およびマルチセンターコホート（12機関から275人）。
• グラウンドトゥルース： マスクは、コンセンサス投票や手動による精緻化を含む標準化されたワークフローに従い、経験豊富な放射線科医によって生成された。
• 参加者： さまざまな専門知識を持つ5人のアノテーターを募集した：シニア放射線科医（経験12年）1名、ジュニア医学生1名、および非医療従事者（1.5時間の放射線科トレーニングを受けた）3名。
• 比較対象： Hi-Segは以下と比較された：
  • 5つの最先端ディープラーニングモデル（U-Net, U-Net++, Attention U-Net, TransU-Net, nnU-Net）。
  • （グラウンドトゥルース・マスクから自動生成された「疑似ヒューマン・プロンプト」を用いた）13種類のSAMベースモデル（SAM, HQ-SAM, MedSAM, MedSAM2を含む）。
  • プロンプトフリーのSAM（プロンプトなしの自動セグメンテーション）。
  • 同一参加者による手動描画。

主な貢献

1. ヒューマン・イン・ザ・ループ・フレームワーク： グラウンドトゥルースから派生した静的な疑似ヒューマン・プロンプトに頼るのではなく、実際の人間によるインタラクティブなプロンプトと反復的なフィードバックを活用するHi-Segの導入。
2. 試行錯誤学習メカニズム： 反復的な相互作用を通じて、アノテーターが効果的なプロンプティング戦略を迅速に学習できることを示し、非専門家がエキスパートレベルの性能を達成できることを実証した。
3. 大規模な外部検証： 多様な臨床データセットおよびアノテーターの背景にわたる、協調的な人間-SAMセグメンテーションの初の大規模な外部検証。
4. プロンプティング戦略のアブレーション： 人間によるプロンプティング、反復的な相互作用、およびフィードバックに基づく精緻化が、セグメンテーション性能に寄与する度合いを体系的に分離・分析した。

結果

• 性能の正確性： すべてのアノテーターグループにおいて、Hi-Segは平均約**85%**のDiceスコア（単一センターで84.47%、マルチセンターで87.00%）を達成した。
  • これは、5つのディープラーニングモデルを**10〜22%**上回った。
  • 疑似ヒューマン・プロンプトを用いた13種類のSAMバリアントを**1〜29%**上回った。
  • 最も優れた性能を示した疑似ヒューマンモデル（MedSAM2、プロンプト#4）は約83%のDiceを達成したが、依然としてHi-Segより劣っていた。
• 専門知識への依存性： Hi-Segは、エキスパートと非専門家の間の性能差を大幅に縮小させた。
  • Hi-Segを使用した非医療従事者は、ジュニア医学生の手動性能と同等の精度を達成した。
  • Hi-Segを使用したジュニア医学生は、シニア放射線科医の手動性能と同等の精度を達成した。
  • シニア放射線科医であっても、手動アノテーションと比較して統計的に有意な向上（+1.43% Dice）が見られた。
• 効率性：
  • Hi-Segは、ジュニア医学生および非医療従事者のアノテーション時間を約**30%**短縮した。
  • シニア放射線科医については、直接的な描画からプロンプトの精緻化への認知的なシフト、およびエキスパートの手動性能における天井効果により、アノテーション時間はわずかに増加した（+3.46%）。
• サブグループ分析： Hi-Segは、さまざまな結節特性（サイズ、密度、棘状突起など）に対して堅牢な性能を示した。しかし、すりガラス状結節は最も困難なサブグループであり、そこで完全自動モデルや非医療従事者の失敗率が高かったことは、複雑な症例における専門家の監視の必要性を示唆している。
• アブレーションの結果： 本研究は、性能の向上は単なる人間のプロンプティングによるものではなく、反復的でフィードバック駆動型のワークフローによるものであることを確認した。プロンプトなしのSAMはわずか約45%のDiceしか達成できず、ワンショットの人間によるプロンプティングでは約65%に達した。フル機能のHi-Segフレームワーク（反復＋フィードバック）は約85%を達成しており、継続的なエラー修正と知識蓄積の価値を浮き彫りにした。

意義と主張

論文は、ヒューマン・イン・ザ・ループ型のセグメンテーションが、基盤モデルを日常的な臨床業務に統合するための変革的なアプローチであると主張している。ジュニア・トレーニーや短期間のトレーニングを受けた非医療従事者が効果的にAIと協力できるようにすることで、Hi-Segは以下への道を開く：

• 臨床医のワークロード削減： アノテーションを加速させ、エキスパートにとっても精度を向上させることで、作業を効率化する。
• スケーラブルなクラウドソーシングの実現： 構造化された人間-AIワークフローの下で、非専門家による大規模な医療画像アノテーションを容易にする。
• 安全性と信頼性の向上： AIのスピードと、人間の意味論的推論および文脈理解を組み合わせることで、特に完全自動モデルが失敗する複雑な症例において、安全性を高める。

著者らは、盲目的なAIへの依存は誤解を招く可能性がある一方で、Hi-Segのような協調的フレームワークは、基盤モデルの安全かつ効率的な展開を促進し、臨床ワークフローを変革し、ヘルスケアへのアクセシビリティを向上させる可能性があると結論付けている。本研究は、2Dスライスへの焦点、人間参加者の相対的な少なさ、および学習の相互作用の短期的性質といった限界を認めており、今後の研究では3D相互作用や長期的な学習効果を探求すべきであるとしている。