BreastMammo and DenseMammo: Benchmarks for Mammography Domain Generalization

医師が、問題が深刻化する前にトラブルを見つけ出すことができる「スーパーパワーを備えたメガネ」を持っている世界を想像してみてください。これが、医療における人工知能（AI）、特にマンモグラフィ（乳房の特殊なX線写真）の解析における約束です。長年、科学者たちはこれらのAI「メガネ」に乳がんを見つける訓練をしてきましたが、あるフラストレーションの溜まる壁に突き当たりました。それは、すべての病院が異なるメーカーの異なるX線装置を使用しているということです。これは、カメラのブランドごとに写真の色やライティングが少しずつ異なるのと似ています。あるブランドの写真で訓練されたAIは、別のブランドの写真を見ると混乱してしまいます。それは、特定の画風の絵だけで猫の認識を教えられた生徒に、異なるスタイルの写真を見せると、それが同じ猫であることに気づかないようなものです。この混乱は「ドメインシフト」と呼ばれ、非常に大きな問題です。なぜなら、ある病院では完璧に機能するAIが、次の病院では失敗する可能性があり、診断を見逃すことにつながるからです。

この論文は、その混乱を解決するための巧妙な新しい方法を紹介しています。研究者たちは、AIにとって巨大で多様な練習テストとして機能する、BreastMammoとDenseMammoという2つの新しいマンモグラフィ・データセットを作成しました。しかし、真の魔法はデータそのものではなく、AIに「カメラのスタイル」を無視して「猫（対象物）」だけに集中することを教えるために発明された新しい技術にあります。彼らはこれを**前景のみのヒストグラム・マッチング（foreground-only histogram matching）**と呼んでいます。これは、写真のどの部分が実際の乳腺組織で、どの部分が単なる空の黒い空間であるかを正確に判別できるフォトエディターのようなものです。画像全体（役に立たない黒い背景を含む）を修正しようとするのではなく、AIは組織自体の明るさとコントラストのみを調整し、標準的な見た目に合わせます。これにより、AIはどの機械で撮影されたかにかかわらず、組織の形状や質感（テクスチャ）を認識することを学習します。結果は有望です。彼らが未知の病院のデータでこの手法をテストしたところ、AIは高密度組織の特定や、良性と悪性の判別において大幅に向上し、異なる方法で問題を解決しようとした他の一般的な手法を上回りました。

問題点： 「カメラフィルター」の問題

ロボットにリンゴの識別を教えようとしている場面を想像してください。あなたは、晴れたキッチンで撮られた赤いリンゴの写真を何千枚も見せています。ロボットは完璧に学習しました。しかし、その後、照明が暗く黄色い別のキッチンに連れて行くと、リンゴがオレンジ色に見えます。ロボットはパニックになります。「これはリンゴですか？」と彼は問いかけます。「私が知っているリンゴとは見た目が違います！」

マンモグラフィの世界では、まさにこれが起こります。病院は異なるX線装置（GE、Hologic、Siemensなどのベンダー）を使用しており、各装置は画像をわずかに異なる方法で処理します。ある装置は組織を非常に明るく高コントラストに見せ、別の装置はより柔らかくグレーに見せることがあります。AIモデルを1つまたは2つの病院のデータだけで訓練すると、モデルは疾患そのものと同じくらい、それらの機械の「スタイル」を学習してしまいます。もしそのモデルを異なる機械を持つ第3の病院に送れば、混乱が生じます。論文ではこれをドメインシフトと呼んでいます。これは、単に一つの「完璧な」AIを作ってどこでも使えるようにするだけでは不十分であることを意味するため、大きな障壁となっています。つまり、カメラの違いに対して免疫を持つAIを作る必要があるのです。

新しいデータ： 巨大な練習ライブラリ

これを解決するために、研究者たちはまず、より優れた練習教材を必要としました。彼らは2つの新しいデータセットを導入しました。

1. BreastMammo: 447人の患者から集められた894枚の画像です。これらは「診断用」の画像であり、患者にすでに症状やしこりがある場合に撮影されたものです。各患者には1つの乳房に対して2つのビュー（上面図と側面図）があります。画像には、しこりが良性か悪性かのラベルが付与されており、患者の乳腺密度カテゴリーも含まれています。
2. DenseMammo: これは、620人の患者から集められた、より大規模な「スクリーニング用」データセットです。これらは症状のない人々の定期検診用のものです。ここでの各患者には、4つのビュー（両方の乳房、それぞれ2つの角度）のフルセットが含まれています。

両方のデータセットは、乳腺密度（カテゴリーAからD）のエキスパートによるラベルが付与されており、他の科学者が使用できるよう公開されています。目標は、誰もが同じルールのもとでAIモデルを競わせることができる、標準化された「テストコース」を作ることでした。

解決策： 「組織のみ」のフィルター

研究者たちは、従来の「カメラのスタイル」問題を修正しようとする試みがミスを犯していることに気づきました。いくつかの手法は、異なる画像の「特徴」を混ぜ合わせようとしましたが、これは塗料の色を混ぜて新しい色を作るようなものです。問題は、これが組織の質感という微細で重要なディテールを誤ってぼかしてしまう可能性があることです。他の手法は、画像の「周波数」を入れ替えようとしましたが（曲の低音と高音を変えるようなもの）、これはしばしば背景を乱し、X線の空の部分に奇妙なノイズを加えてしまいます。

チームは、新しいアプローチである前景のみのヒストグラム・マッチングを提案しました。

その仕組みを、簡単な比喩を使って説明します。
黒い紙の上に、森（乳腺組織）の白黒写真が載っていると想像してください。その紙には、大きな黒い縁取り（X線の空の空間）があります。

• 従来の手法は、黒い縁取りを含む紙全体の明るさを調整しようとしました。これは良くありません。なぜなら、縁取りは単なる空の空間であり、それを変えても木々がよく見えるようにはならず、むしろ木々を奇妙に見せてしまう可能性があるからです。
• 新しい手法は、黒い縁取りの上にマスクを置きます。「ここは無視してください。私たちは木々にしか関心がありません」と言います。そして、参照写真の木々の明るさに合わせるために、ソース写真の木々だけの「ヒストグラム」（どの程度のピクセルが暗いか、明るいか、その中間かを示すチャート）を確認し、木々の明るさを調整します。

決定的なのは、彼らは単にスタイルを入れ替えるだけでなく、滑らかなグラデーションを作成することです。彼らは、元の画像と新しいスタイルを混合した新しい「合成」画像を生成します。彼らは、スタイルを**25%、50%、75%、100%**の割合でブレンドして、4つのバージョンを作成します。これにより、AIは、同じ組織であっても、使用される機械によって見た目がわずかに異なる可能性があるが、それでも同じ組織であるということを学習します。

結果： それは機能するのか？

研究者たちは、Swin Transformerと呼ばれる強力なAIモデルを使用して、新しいシステムをテストしました。彼らは2種類のテストを実施しました。

1. 内部テスト（練習走行）
彼らは独自の新しいデータセット（BreastMammoおよびDenseMammo）でAIを訓練し、5分割交差検証（モデルが単にデータを暗記していないことを保証するための厳格な方法）を用いて、同じデータに対する性能を確認しました。

• 結果: Swin Transformerモデルは、密度分類においてDenseMammoデータセットに対し、ピーク**AUC 98.32%**を達成しました。これは非常に高いスコアであり、データが既知の場合、モデルがそのタスクに対して極めて優れていることを示しています。
• また、高解像度の画像（512x512ピクセル）を使用しても、標準サイズ（224x224）と比較してあまり効果がないことも分かりました。これは、AIがすでに標準サイズで訓練されているためと考えられます。

2. 外部テスト（現実世界の挑戦）
これが最も重要な部分です。彼らは、自身のデータで訓練されたAIを、他の病院からの全く異なる2つのデータセット、TNMammoとLUMINAでテストしました。これらのデータセットは、異なる機械と異なるスタイルを使用しており、「ドメインシフト」の問題を象徴しています。

• 彼らの手法なしの場合: AIは苦戦しました。TNMammoでは、AUCは**83.46%**でした。LUMINAでは、**81.72%**でした。
• 彼らの手法ありの場合: AIは大幅に向上しました。TNMammoでは、AUCは**86.38%**に跳ね上がりました。Luminaでは、**86.13%**に上昇しました。
• 比較: 彼らは、特徴を混ぜ合わせるMixStyleや、周波数パターンを入れ替えるDFTといった他の一般的な手法と比較しました。彼らの「前景のみ」の手法は、一貫してこれらのアプローチを上回りました。

なぜ重要なのか

この論文は、組織に厳密に焦点を当て、背景の空の部分を無視することで、AIが異なる機械でも通用する「ユニバーサルな」乳房の見方を学習できることを示唆しています。著者らは、画像全体（背景を含む）を修正しようとすることはノイズと混乱を招く一方で、ターゲットを絞ったアプローチは、診断に必要な繊細な質感を保持できると主張しています。

結局のところ、これは単にテストのスコアを上げることではありません。あらゆる場所、あらゆる病院で信頼できるAIを構築することなのです。もしAIが「カメラのフィルター」を無視して「猫」に集中することを学べれば、使用している機器に関わらず、世界中の医師が乳がんをより早期に、より正確に発見するのを助けることができます。研究者たちは、この「組織のみ」のトリックが、より優れた、より信頼できる医療AIを構築するための標準的なツールとなることを願い、データとコードを一般に公開しています。