技術要約：胸部X線診断におけるテスト時適応のための病理共起性の活用

問題提起

ディープラーニングモデルによる胸部X線分類は、撮像機器、取得プロトコル、および患者層の違いに起因するドメインシフトにより、新しい臨床現場に導入された際に大幅な性能低下を招くことがよくある。テスト時適応（Test-Time Adaptation: TTA）は、ソースデータやターゲットのアノテーションへのアクセスなしに、学習済みモデルを未ラベルのターゲットデータのみを用いて更新することで、この問題に対する解決策を提供する。しかし、既存のTTA手法は、マルチラベルの医療用画像には適していない。

標準的なTTAアプローチは、もともとシングルラベルの自然画像分類向けに設計されており、すべてのサンプルに対して予測エントロピーを一様に最小化する。これは、ラベルの独立性を暗黙的に仮定している。しかし、臨床現場では、病理は構造化された共起パターン（例：特定の疾患が頻繁に併発する）を示すものであり、孤立して発生するのではない。既存の手法はこれらの依存関係を考慮できていない。つまり、予測が妥当なラベル関係に反している場合であっても、すべての確信度の高い予測を等しく信頼できるものとして扱ってしまう。これは、適応プロセスにおいて、不整合なパターンの増幅やノイズの多い勾配の導入を招く可能性がある。特にドメインシフト下においては顕著である。

手法：共起性加重適応 (Co-occurrence Weighted Adaptation: CoWA)

著者らは、疾患の共起パターンを信頼性のシグナルとして利用し、適応を導くソースフリーTTA手法であるCoWAを提案する。このフレームワークは、追加の教師あり学習やアーキテクチャの変更を必要とせず、学習済みモデルのバッチ正規化（BN）アフィンパラメータのみを適応させる。

CoWAは、以下の3つのコアコンポーネントで構成される：

1. ターゲットドメイン共起行列の推定:
   本手法は、入力されるテスト時の予測から、疾患の共起構造を直接推定する。モデルの出力（ソフト確率）は、低確信度の活性化を抑制するために固定閾値によって二値化される。ペアごとの共起行列 $S$ は処理されたバッチ全体で累積され、$S_{jk}$ は病理 $j$ と $k$ の同時予測数をカウントする。これは経験的共起行列 $M$ を形成するように正規化され、適応が進むにつれて進化し、ターゲットドメイン固有の依存構造を捉える。

2. 一貫性を考慮したサンプル加重:
   各サンプルに対し、CoWAは、予測されたラベル構成が推定されたターゲット共起行列 $M$ とどの程度一致しているかを測定する一貫性スコアを計算する。サンプルの予測からローカルな共起パターン $m_i$ が構築される。$m_i$ と $M$ の間の偏差は、フロベニウスノルムを用いて計算される。この偏差は、信頼性ウェイト $w_i$ に変換される：
   $$w_i = \exp\left(-\frac{\|m_i - M\|_F^2}{\tau}\right)$$
   ここで、$\tau$ は温度パラメータである。予測が創発的なターゲット構造と一致するサンプルは1に近いウェイトを受け取り、構造的に不整合な（ノイズの多い）予測は重みが軽減される。

3. 加重エントロピー最小化:
   一様な平均エントロピーを最小化する代わりに、CoWAは加重エントロピー損失を最小化する：
   $$L_{CoWA} = \frac{1}{B} \sum_{i=1}^{B} \max(w_i, w_{min}) \cdot H(\hat{y}_i)$$
   ここで、$H(\cdot)$ は予測エントロピー、$B$ はバッチサイズであり、$w_{min}$ は数値的な安定性のためにウェイトがゼロに崩壊するのを防ぐ。これにより、モデルは構造的に一貫したサンプルに基づいて主に適応することが保証され、ノイズの多い勾配の影響を軽減できる。

主な貢献

1. CoWAの提案: ターゲットドメインの共起パターンをモデルの予測から推定し、マルチラベル医療画像分類のためのサンプルごとの信頼性シグナルとして利用する、新しいTTA手法を提案した。
2. 標準的なTTAの限界の特定: 著者らは、ラベルの依存関係を無視しているため、標準的なTTA手法がマルチラベルの臨床タスクにおいて非効率的、あるいは有害になり得ることを実証した。
3. 実証的検証: 公開されている胸部X線データセット（MIMIC-CXR, CheXpert, VinDr-CXR, NIH Chest X-ray）を用い、6つのドメインシフトシナリオにおいて、確立されたベースラインと比較して一貫した性能向上を示した。

実験結果

著者らは、AUROCを主要な指標として、No Adaptation, AdaBN, TENT, CoTTA, EATA, RoTTAを含むいくつかのベースラインに対してCoWAを評価した。

• 全体的な性能: CoWAはほとんどのドメインシフトシナリオで最高の平均AUROCを達成し、他のシナリオでも競争力のある性能を維持し、一貫して僅かな差で1位または2位にランクされた。
• ドメインシフトへの堅牢性: TENTやAdaBNのような、変動性が高い（あるシフトでは良好に機能するが、別のシフトでは低下する）ベースラインとは異なり、CoWAは安定した性能を維持した。
• クラス特有の改善: 競合する手法は、低出現率の病理（例：気胸）において顕著な性能低下を招くことが多い。CoWAは、これらのクラス特有の劣化を一貫して緩和した。特に、CoWAはすべてのシフトにおいて、未適応のベースラインを下回る深刻な性能低下を回避した唯一の手法であり、その「ワーストケースの堅牢性」を際立たせた。
• 分析:
  • 行列の進化: CoWAにおける推定共起行列は、適応中に真のターゲット構造に漸進的に適合したが、ベースラインは明確な依存構造を失った。
  • ウェイトの信頼性: 割り当てられたウェイトと予測の質（AUPRC）との間に正の相関が観察され、ウェイトが暗黙的な信頼性推定器として効果的に機能していることが確認された。
  • アブレーション: 一貫性スコアリングにフロベニウスノルム（$\ell_F$）を使用することは、$\ell_1, \ell_2, \ell_\infty$ ノルムと比較して、より高い平均AUROCとより低い分散をもたらした。さらに、CoWAはTENTと比較して、より安定したBNアフィン勾配更新を示した。

意義と主張

本論文は、追加のアノテーションを必要とせずに、ターゲットドメインの共起構造をTTAに組み込むことで、ドメインシフト下での診断の堅牢性を向上させる、シンプルで展開可能なソリューションとしてCoWAを提供すると主張している。

著者らは、単一の病理における性能の深刻な低下が診断を損なう可能性がある臨床現場において、CoWAが提供する「ワーストケースの堅牢性」は、平均的な性能と同じくらい重要であると強調している。妥当なラベル関係に反する予測の重みを下げることで、CoWAは適応の焦点を構造的に一貫したサンプルに絞り、それによってノイズの多い勾配を減少させることを可能にする。

著者らは、CoWAは効果的ではあるものの、推定されたパターンはデータセットレベルのバイアスに敏感である可能性があることを認め、控えめに結論づけている。彼らは、より堅牢で因果関係に基づいた関係を捉えるためにCoWAを拡張することが、将来の研究における有望な方向性であると示唆している。