Artificial Intelligence in Oral Squamous Cell Carcinoma Diagnosis: Exploring Deep Transfer Learning Strategies

あなたは、まるでミステリーを解決しようとしている探偵のような気分になってください。ただし、指紋や足跡を探すのではなく、顕微鏡の下にある、細胞の小さくてカラフルな写真を見ているのです。これは病理学の世界であり、医師たちが組織のサンプルを調べて、その人が癌であるかどうかを判断する世界です。最も一般的で、かつ見つけるのが難しい癌の一つが、口腔内で発生する一種の癌である「口腔扁平上皮癌（OSCC）」です。何十年もの間、このミステリーを解くための「ゴールドスタンダード（標準的な手法）」は、スライドを凝視する人間の病理医でした。彼らは、細胞がどのように配置されているか、あるいは細胞がどれほど乱雑で混沌としているかといった手がかりを探します。しかし、ここには落とし穴があります。人間は疲れますし、目は錯覚を起こすこともありますし、二人の異なる探偵が同じ写真を見て、見えているものに対して意見が食い違うこともあるのです。ここで人工知能（AI）が登場します。AIを、何百万冊もの絵本を読み、人間の目では見逃してしまうかもしれないパターンを見つけ出すことができる、超強力な助手だと考えてみてください。科学者たちが投げかけている大きな問いは、「コンピュータにこれらの小さな細胞の写真を見せて、人間よりも正確かつ迅速に、それがどのような種類の癌で、どれほど危険なのかを教え込むことができるのか？」ということです。

この研究は、シェフの代わりにコンピュータモデルが競い合い、食材の代わりに口腔組織の顕微鏡画像が与えられる、ハイレベルな料理コンテストのようなものです。研究者たちは、どの「シェフ」（ディープラーニングモデル）が、これらの画像を「健康な口腔組織」、「低悪性度癌（進行が遅く、比較的危険性が低いもの）」、「高悪性度癌（進行が早く、攻撃的なもの）」という3つのカテゴリーに最も上手く分類できるかを調べたいと考えました。挑戦を公平にするために、彼らはまず750枚という少数の画像からスタートしました。低悪性度や高悪性度の癌の画像が、コンピュータを適切に教育するには不十分だったため、彼らは「SMOTE」と呼ばれる巧妙なトリックを使いました。もし、あなたが赤いビー玉を3個しか持っておらず、青いビー玉を100個持っていたとしたら、誰かに赤色を見分ける方法を教えるのは難しいでしょう。SMOTEは、まるで魔法のコピー機のように、新しくて、偽物だがリアルな赤いビー玉を作り出し、コンピュータが十分な練習ができるようにしてくれるのです。彼らはまた、「データ拡張（データオーグメンテーション）」も使用しました。これは、写真を撮った後に、上下を逆さまにしたり、明るさを変えたり、少し回転させたりすることに似ています。これにより、コンピュータは写真がどのように保持されていても、癌を認識できるようになります。

研究者たちは、猫や車、リンゴといった日常的な物体を何百万もの種類で既に認識できる、7つの有名な「シェフ」（コンピュータモデル）をテストしました。それらのモデルは、ResNet50、InceptionV3、VGG16、EfficientNetB7、DenseNet121、Xception、そしてMobileNetでした。アイデアは、これらのスマートなモデルを、一般的な将軍が特定の地形での戦いに特化するように教え込む「ファインチューニング」を行うことでした。彼らは、モデルの脳の大部分を「凍結（フリーズ）」させ（これにより、すでに知っていることを忘れないようにし）、最後の数層だけに新しい癌の画像を学習させることでこれを行いました。彼らは、15層を学習させるか、あるいは30層を学習させるかといった異なる戦略を試し、何が最も効果的であるかを確認しました。

結果は、特定のモデルによる明確な勝利でした：EfficientNetB7です。このモデルはショーの主役であり、99.2%の確率で正解を導き出しました。それは、決して手がかりを見逃さない探偵のようでした。次点はResNet50で、こちらも99.04%という驚異的な成功率を誇る、非常に信頼性の高いものでした。これら2つのモデルは、適切なトレーニングを行えば、コンピュータがこれらの特定の癌のグレードを特定することにおいて極めて精密になれることを証明しました。しかし、すべてのモデルが勝者となったわけではありません。非常に豪華な名前を持つInceptionV3は、実際には最も成績が悪く92.94%であり、通常は小型デバイス向けに優れたMobileNetは95.2%にとどまりました。この研究は、テクノロジーが非常に有望である一方で、「レシピ」が重要であることを示唆しています。つまり、特定のモデルは、他のモデルよりもこれらの細胞画像の詳細をうまく扱うことができるということです。

著者たちは、これらの数値が素晴らしいものである一方で、より多様なデータを用いて現実世界でテストする必要があることを慎重に指摘しています。また、彼らは一つの限界についても指摘しています。これらのAIシステムは「ブラックボックス」のようなものです。それらは高い確信を持って答えを出すことができますが、なぜその細胞が危険であると判断したのかという「理由」を必ずしも説明できません。そして、その理由は、人間である医師が命に関わる決定を下す前に理解しておく必要があるものです。結局のところ、この論文は、AI、特にEfficientNetB7やResNet50のようなモデルは、病理医にとって強力なサイドキック（相棒）となり、超人的なスピードと正確さで口腔癌の診断を支援できる可能性があることを示唆していますが、まだ人間の専門家に取って代わる存在というわけではありません。