CaresAI at SMM4H-HeaRD 2026: Predicting TNM Staging

あなたは、複雑な医学的ミステリーを解こうとしている探偵だと想像してください。手がかりは、病理学者（組織サンプルを検査する医師）が書いた、長く、乱雑で、手書き風の報告書の中に隠されています。これらの報告書は患者の癌について記述していますが、答えを必ずしも明確に述べているわけではありません。あなたの仕事は、以下の3つの特定の事項を突き止めることです。

1. T (Tumor/腫瘍): 主要な塊の大きさ、および、それが周囲の組織にどの程度深く入り込んでいるか。
2. N (Node/リンパ節): 癌が近くのリンパ節（体のセキュリティチェックポイント）に広がっているか。
3. M (Metastasis/転移): 癌が体全体の他の部分へ完全に逃げ出しているか。

これはTNMステージングと呼ばれ、医師が患者の治療法を決定するために使用する「スコアカード」です。CaresAIのチームは、コンピュータープログラムを構築するためにコンペティション（SMM4H-HeaRD 2026）に参加しました。このプログラムは、これらの乱雑な報告書を読み取り、T、N、Mのスコアを自動的に推測するためのものです。

彼らがどのように行ったのか、分かりやすく説明します：

1. 課題：「細かい文字」を読み解くこと

彼らが使用した報告書は、TCGAと呼ばれる巨大なデータベースから提供されました。これらの報告書は、何千もの異なる著者によって書かれた、それぞれ異なる小説のようなものです。短いものもあれば、膨大なものもあります。専門的な医学用語を使っているものもあれば、曖昧なものもあります。

• 問題点: データが「不均衡」でした。例えば、93%が白（癌の広がりなし）で、わずか7%が黒（癌の広がりあり）であるビー玉の袋を想像してみてください。もし毎回「白」と答えるようにすれば、ほとんどの場合は正解しますが、危険な「黒いビー玉」を見逃してしまいます。コンピューターは、その稀で危険な手がかりを見つけ出す方法を学ばなければなりませんでした。

2. 手法：2つの異なる「読み方」

チームは、コンピューターにテキストを理解させるために、2つの主要な方法を試しました。

• 手法A：「キーワードカウンター」（TF-IDF & LightGBM）
  これは、特定の単語がどのくらいの頻度で出現するかを数える司書のようなものです。もし報告書の中で「metastasis（転移）」や「spread（広がり）」という言葉が多く言及されていれば、コンピューターはフラグを立てます。彼らは、LightGBM（超高速で整理された決定木の進化版のようなもの）と呼ばれるスマートなアルゴリズムを使用して、これらの単語の出現回数を調べました。

  • 結果: これがチャンピオンとなりました。これはテキスト内のパターンを見つけるのが非常に得意で、まるでどの言葉を探すべきかを正確に知っている熟練の探偵のようでした。

• 手法法B：「ディープ・シンカー（深く考える者）」（BERTモデル & ニューラルネットワーク）
  このアプローチでは、すでに何百万冊もの医学書を読んできた高度なAIモデル（ClinicalBERT、BioBERT）を使用しました。単に単語を数えるのではなく、これらのモデルは文章の「意味」と「文脈」を理解しようとします。その後、彼らはこの「理解」を、Wide Residual Network (WRN)（複雑なパターンを見つけ出すために設計された、脳のようなコンピューターネットワークの一種）に投入しました。

  • 結果: これは少し当たり外れがありました。テキストの「雰囲気」はうまく理解していましたが、キーワードカウンターと比較すると、具体的な詳細については混乱してしまうことがありました。

3. 結果：どの程度の成果を上げたか

チームは、自分たちの「探偵」を2つの異なる未知の報告書セット（テストセット1とテストセット2）でテストしました。

• 良いニュース: 最初のテストセットにおいて、コンピューターは驚異的な精度を示しました。腫瘍（Tumor）ステージで0.978（1.0満点）、リンパ節（Node）ステージで0.957というスコアを記録しました。それは、ほぼすべての事件を完璧に解決する探偵のようでした。
• 悪いニュース: 2つ目のテストセットに移ると、スコアは低下しました（約0.80まで）。
  • なぜか？ 論文では、コンピューターが最初のデータセットによって「甘やかされた」ことが説明されています。つまり、トレーニングデータの特定のパターンを習熟しすぎてしまったのです（これは過学習/オーバーフィッティングと呼ばれる問題です）。報告書が通常よりも少し違ったり、長かったりすると、コンピューターは混乱してしまいました。また、トレーニングデータの中で「危険な」ケース（癌の広がりなど）が非常に稀であったため、コンピューターは新しいトリッキーな報告書の中にそれらが現れたときに、認識するのが困難でした。

4. 限界：なぜまだ病院で使える段階ではないのか

著者たちは、彼らのツールがまだ「できないこと」について非常に正直に述べています：

• 「ページ制限」の問題: 彼らが使用したAIモデルは、一度に約512単語しか読むことができません。これらの医学報告書の多くはもっと長いです。これは、小説を一冊丸ごと読もうとしているのに、最初の数ページだけしか読むことを許されていないようなもので、コンピューターは結末や重要な手がかりを見逃してしまいます。
• 「稀な事象」の問題: トレーニングデータの中で「癌の広がり」のケースが非常に稀であったため、コンピューターにはまだ偏りがあります。「広がりがある」と推測するよりも「広がりなし」と言う方が安全であるため、実際のケースを見逃してしまう可能性があります。
• 医師ではない: 論文では、これは優れた「ベースライン（出発点）」ではあるものの、生死に関わる決定を下すために実際の病院で使用できるほど信頼できるものではない、と明記されています。より多くのトレーニングと、長い文書を扱うための改善が必要です。

まとめ

CaresAIチームは、癌の報告書を読み、疾患のステージを驚くべき精度で推測できるコンピュータープログラムを構築しました。彼らは、単純な「キーワードカウント」による手法（LightGBM）が、この特定のタスクにおいては、高度な「ディープ・シンキング（深く考える）」AIよりも実際に効果的であったことを発見しました。

しかし、練習テストでは満点を取るが、問題が少し異なると本番の試験で苦戦する学生のように、このAIが現実世界の、より乱雑で長く、稀なケースを扱うためには、さらなる改良が必要です。現時点では、これは研究のための強力なツールであり、将来の改善に向けた素晴らしい出発点です。