技術要約：糖尿病網膜症スクリーニングにおけるサブグループの公平性のための視神経乳頭の色比（ODCR）

問題提起

自動化された糖尿病網膜症（DR）スクリーニングシステムは、精選されたベンチマークにおいて専門医レベルの精度を達成しているが、サブグループ間での性能の格差については十分に理解されていない。先行研究では、こうした格差の多くをデータの不均衡に起因するものとしているが、本論文はこれをメカニズム的な説明によって論じている。すなわち、脈絡膜の色素沈着（メラニン濃度）が、病変（微小血管瘤、出血）と網膜背景との間の光学的コントラストを低下させるというものである。

この**信号対雑音比（SNR）の低下は、畳み込み病変検出器が利用可能な入力信号を物理的に劣化させる。著者らは、これが特定の失敗モード、すなわち過剰予測（over-prediction）**につながると仮定している。色素の濃い眼底は、病変と背景のコントラストが低いため、真のラベルに関わらず系統的に「参照が必要（referable）」と判定される率が高くなり、結果として、恵まれない層に対して不当に高い偽陽性の負担を強いている。これは、同様のコントラストの問題が特異度の失敗（検出漏れ）として現れることが多い皮膚科学分野のAIとは対照的である。

手法

1. ODCRプロキシ

民族ラベルに依存せずに公平性を監査するために、著者らは**視神経乳頭の色比（ODCR）**を導入した。

• 定義: CIE $L^*a^*b^*$ 色空間における視神経乳頭周囲環（optic disc周辺領域）から算出される指標。
• 公式: $odcr = \arctan(\frac{\bar{L}^* - 50}{\bar{b}^*}) \times \frac{180}{\pi}$。
• 機能: 値が高いほど色素が薄く、低いほど色素が濃いことを示す。これは、皮膚科学で使用される個体類型角（ITA）に類似したプロキシとして機能する。
• 層別化: 学習セットのODCRパーセンタイルに基づき、患者を「ダーク（濃い）」「ミディアム（中間）」「ライト（薄い）」にグループ化した。

2. SNR分析

物理的なメカニズムを検証するため、著者らは血管－背景SNRを定量化した。

• 指標: $SNR = \frac{|\mu_{lesion} - \mu_{background}|}{\sigma_{background}}$。
• 方法: 適応型グリーンチャンネル閾値処理（ピークヘモグロビン吸収を利用）によって候補となる微小血管瘤ピクセルを特定し、背景は中輝度の視神経乳頭組織からサンプリングした。

3. 実験設定

• データセット:
  • EyePACS: 35,126枚（米国ベース）。データ漏洩を防ぐため、患者単位の分割を用いた（学習: 24,588; 検証: 5,268; テスト: 5,270）。
  • APTOS 2019: ゼロショット転移検証のために使用されたインドの集団（3,662枚）。
• モデルアーキテクチャ: トーン埋め込みを結合する条件付けブランチ（Linear3→16→32）を備えたEfficientNet-B2バックボーン。
• アブレーション研究: ロックされたEyePACSテストセットに対して、以下の5つのバリアントをテストした：
  1. Baseline: 標準的な学習（$pos\_weight=2.0$）。
  2. Aug-only: ダークな眼底のデータ拡張 ＋ 3倍のオーバーサンプリング。
  3. Tone-only: ODCRによる条件付け。
  4. Full: すべての介入の組み合わせ。
  5. Balanced-baseline: 等価サンプリングおよび $pos\_weight=1.0$（コントロール）。
• 評価: 指標にはAUC、感度（Sensitivity）、特異度（Specificity）を含み、ODCRグループごとに層別化した。統計的有意性は、置換テストおよびブートストラップ信頼区間を用いて評価した。

主な結果

1. ダークな眼底におけるSNRの低下

本研究は、色素の濃い眼底において、病変と背景のコントラストがグループレベルで著しく低下することを確認した。

• 大きさ: ライトな眼底に対するダークな眼底のSNR比は 1.14倍 である。
• 有意性: この減少は統計的に有意である（Kruskal–Wallis検定により $p = 3 \times 10^{-10}$、Mann–Whitney検定により $p = 0.0005$）。
• 比較: この効果は皮膚科学（比率は5.2倍）と比較すると減衰している。これは、脈絡膜が網膜色素上皮の後方に位置し、能動的な眼底照明が吸収を部分的に補完しているためと考えられる。

2. 「スコア上昇シグネチャー」

すべての5つのモデルバリアントにおいて、ダークな色素を持つ眼底は、真のラベルに関わらず、ライトな眼底よりも系統的に高い予測確率を受け取った。

• 証拠: Baselineバリアントにおいて、ダークな真陰性（true-negative）の平均スコアは0.128であり、ライトな真陰性の0.105と比較して $\Delta = +0.023$ であった。
• 示唆: これは、低コントラスト下でのグローバルなモデルの不確実性が、ポジティブクラスへのシフトを引き起こしていることを示している。

3. 感度の非対称性（過剰予測）

（特にFullバリアントの）感度校正済み学習の下では、スコアの上昇は特異度の格差ではなく、顕著な感度の格差として現れた。

• Fullバリアントの格差: ダークな感度（0.642） vs ライトな感度（0.535）、$\Delta = +0.107$ ($p = 0.015$)。
• 特異度の格差: 特異度の格差は小さく、有意ではなかった（$\Delta \approx -0.009$）。
• 臨床的影響: これは、ライトな色素を持つ患者と比較して、ダークな色素を持つ患者において、1,000人あたり約4件の超過参照が発生することを意味する。
• AUCの不十分さ: グループ間のAUCの差は無視できる程度であり（$\le 0.008$）、有意でもなかった。これは、AUC単独ではこの文脈における公平性の監査には不十分であることを裏付けている。

4. 外部検証

APTOS 2019（インドの集団）へのゼロショット転移により、このシグネチャーが再現された。スコアの上昇はさらに顕著であり（真陰性において $\Delta = +0.101$）、これはより色の濃い集団の分布と一致している。

5. 因果構造

• 閾値校正: 決定閾値（$t = 0.30–0.65$）を調整しても格差は解消されなかった。これは、格差が単なる決定境界の問題ではなく、予測確率分布自体に組み込まれていることを示している。
• バランシング: クラスバランシングは、「Full」バリアントと比較して格差を縮小させたが、「Baseline」レベル以下には低減させなかった。これは、混合的な因果構造を示唆している。すなわち、格差は、感度校正された決定ルール（オーバーサンプリングと高い $pos\_weight$）と、物理的なSNRの欠損との相互作用によって、実質的に駆動されている。

意義と主張

本論文は、データの不均衡を超えて、物理的な光学特性に基づいた、DRスクリーニングにおける公平性の格差に関するメカニズム的な理解を提供すると主張している。

1. プロキシとしてのODCR: ODCRは、民族ラベルなしで眼底の色素沈着を計算可能な形で把握できる、ラベルフリーのプロキシであることを確立した。
2. SNRが予測する格差の方向性: 本研究は、SNR比の大きさが、格差の「軸」を予測する可能性があると提案している。
   • 高いSNR減少（皮膚科学、5.2倍） $\rightarrow$ 特異度の失敗（検出漏れ）。
   • 減衰したSNR減少（眼底、1.14倍） $\rightarrow$ 感度の失敗（過剰予測）。
3. AUCの限界: 標準的な指標であるAUCが、DRスクリーニングにおける重大なサブグループ間の格差を隠蔽してしまう可能性があることを示し、層別化された感度・特異度の報告の必要性を提示した。
4. 臨床的推奨: 著者らは、公平性の監査は、ポストホック（事後的）な閾値校正では不十分であり、ダークな色素を持つ集団における過剰予測（偽陽性の増加）に焦点を当てるべきであると主張している。

結論として、本研究は、脈絡膜の色素沈着が、DRスクリーニングにおける過剰予測を駆動する、測定可能で統計的に有意なグループレベルの交絡因子であることを明らかにしている。これはAUCでは捉えられず、ODCRによる層別分析を通じてのみ検出可能な現象である。