Swin Transformer for Automated Severity Classification of Aortic Regurgitation from Echocardiographic Images: A Multi-Center Study

あなたは、家の小さな曇った窓越しに中を覗き見ることしかできない、家の中の謎を解こうとしている探偵だと想像してください。部屋全体を見ることはできず、光も絶えず変化しています。これは、医師が超音波を用いて心臓を観察する際、エコー検査（心エコー図検査）で行っている状況に少し似ています。彼らは音波を使用して、心臓の弁（ワンウェイ・ドアのようなもの）の動く映像を作り出します。時として、そのドアが完全に閉まらず、血液が逆流してしまうことがあります。これが「大動脈弁逆流症」と呼ばれるものです。医師は、画面上の血流の色パターンを見るだけで、その漏れがどの程度深刻なのか（軽度、中等度、重度）を推測しなければなりません。しかし、ここが厄室です。このぼやけたカラフルな地図を見ることは非常に困難です。それは、画像の質や、医師の経験値、さらにはその時の疲れ具合にも左右されます。二人の異なる医師が同じ画像を見ても、漏れの深刻さについて意見が食い違うことがあるのです。

これを解決するために、科学者たちは「ディープラーニング（深層学習）」と呼ばれるものを使って、コンピュータに優れた探偵になってもらうよう教えています。ディープラーニングを、何千枚もの画像を見てパターンを学習する、非常に賢い学生だと考えてください。まるで、あなたが人混みの中で友人の顔を識別する方法を学ぶのと同じようなものです。「トランスフォーマー（Transformer）」と呼ばれる特定の技術は、単に一箇所を見るだけでなく、画像の異なる部分が互いにどのように結びついているかを理解する探偵のようなものです。この論文は、コンピュータにこれらの心臓の画像を見せて、漏れが具体的にどの程度なのかを正確に判別させる方法について述べています。これにより、医師はより良い治療の決定を下せるようになるのです。

---

大きな漏れと賢い探偵

この研究において、中国の3つの病院の研究チームは、大動脈弁逆流症の重症度を判定するための非常に賢いコンピュータプログラムを構築することに決めました。彼らは、「Swin Transformer」と呼ばれる新しい種類のAIが、従来のコンピュータモデルよりも優れた仕事ができるかどうかを検証したいと考えました。心臓の漏れを、タンクの中に逆噴射するホースの水だと想像してみてください。もし噴射がわずかな滴りであれば「軽度」です。一定のストリームであれば「中等度」です。もし消防ホースのような勢いであれば「重度」です。目標は、この噴射の静止画一枚を見て、コンピュータに「軽度！」「中等度！」「重度！」と叫ばせることでした。

チームは、3つの医療センターにわたる2,575人の成人患者から集めた膨大な心臓画像を集めました。彼らはただ適当に画像を選んだわけではありません。大動脈弁と逆流するジェット流が明確に映し出される特定の角度である「心尖部五腔断面図」を慎重に選び出しました。そして、アメリカ超音波学会が定めた標準的なルールに従って、各画像を軽度、中等度、または重度としてラベル付けしました。これが、コンピュータが学習するために必要な「解答集」となりました。

トレーニング・ゲーム：旧式 vs 新式

新しいSwin Transformer探偵をテストするために、研究者はそれをResNet18とVGGという2つの古い古典的なコンピュータモデルと対決させました。ResNetとVGGを、細かいディテールを見つけるのは得意だが、全体像を見失うこともある「古風な」探偵だと考えてください。一方、Swin Transformerは、水の噴射の細部をズームアップして見ることもできれば、その噴射が部屋全体の中でどのように収まっているのかを見るためにズームアウトすることもできる探偵です。

彼らはデータをグループに分けました。まず、一つの病院（センターA）の膨大な画像セットでコンピュータに練習させました。次に、その同じ病院の新しい画像セットを使って、学習がうまくいったかどうかをテストしました。最後に、コンピュータが一度も見ることのなかった他の二つの病院（センターBおよびC）の画像を使用して「最終試験」を行いました。この最終ステップは、コンピュータが異なる装置や異なる医師のスタイルにも対応できるのか、それとも混乱してしまうのかを確認するために極めて重要でした。

結果：誰がテストに合格したか？

結果は非常にエキサイティングなものでした。コンピュータが練習した病院の画像でテストを受けた際、すべてのモデルが優れた成績を収めました。Swin Transformerは93.36%の正解率を出し、ResNet18は93.05%、VGGは91.71%でした。彼らは皆、非常に近い数値でした。

しかし、本当の魔法は、新しい病院の画像を用いた「最終試験」の時に起こりました。ここで、古いモデルはつまずき始めました。ResNet18のスコアは80.81%に低下し、VGGは87.63%に低下しました。彼らは、画像が少し異なって見えると、認識に苦戦したのです。しかし、Swin Transformerは強く踏みとどまり、92.11%というスコアを記録しました。未知のデータに対しても、はるかに優れた能力を発揮したのです。

研究者たちはまた、コンピュータが「どのように」間違いを犯したのかについても調査しました。古いモデルは、しばしば「中等度」の漏れを「軽度」や「重度」と混同しており、隣接するカテゴリー同士で間違えていました。Swin Transformerは非常に鋭く、カテゴリーを正確に区別していました。コンピュータが単に推測しているのではないことを確認するために、チームはGrad-CAMと呼ばれる特殊な可視化ツールを使用しました。このツールは、コンピュータが見ている画像の部分を強調します。その結果、Swin Transformerは、人間の医師がするように、背景のノイズではなく、実際に逆流する血液のカラフルな噴射に焦点を当てていることが示されました。

これが意味すること（そして意味しないこと）

この研究は、このSwin Transformerモデルが、大動脈弁逆流症の重症度を判定する上で非常に有望なツールであることを示唆しています。これは、特に異なる病院の画像を扱う際に、従来のコンピュータモデルよりも信頼性が高いようです。ただし、著者たちは、これは医師に取って代わる魔法の杖ではないという点に注意を促しています。コンピュータは、漏れの単一の画像のみを見ています。現実の世界では、医師は多くの異なる角度を見、血液の速度を測定し、心室のサイズをチェックして、完全な診断を下す必要があります。

また、研究者たちは、このコンピュータは人間の専門家によってラベル付けされた画像から学習したため、漏れの物理現象を直接測定するのではなく、人間の判断を模倣するように学習したのだと指摘しています。彼らは子供や非常に複雑な心疾患を持つ患者についてはテストしていないため、それらのケースをどのように扱うかはまだ分かっていません。

要約すると、この論文は、新しいタイプのAI探偵が、驚くべき正確さと安定性を持って心臓の漏れを見分ける術を学んでいることを示しています。将来的には、このツールが医師の傍らに座り、患者が適切な治療を受けられるようにするための「セカンドオピニオン」を提供できるようになる可能性があることを示唆していますが、まだ完全に医師の仕事を奪う段階には至っていません。