技術要約：スキャン欠損時にも生存する保証

問題提起

マルチモーダルな医療診断は、医療画像と構造化された表形式データ（検査値、デモグラフィックスなど）の融合にますます依存しています。実際の運用現場では、入力が不完全なケース（例：スキャンがない、あるいは検査結果がない患者が到着する場合）が頻繁に発生します。コンフォーマル予測（CP）は、予測器に対して分布に依存しない有限標本での被覆保証を提供する標準的な手法ですが、その妥当性は、較正データとテストデータの間の**交換可能性（exchangeability）**という仮定に基づいています。

本論文は、決定的な失敗モードを特定しています。すなわち、テスト時にモダリティ全体が欠損している場合、交換可能性の仮定が崩れるという問題です。較正が「モダリティが揃った患者」に対して行われ、テストが「モダリティが欠損した患者」に対して行われる場合、非適合度スコアはもはや交換可能ではありません。その結果、標準的なマージナル・スプリットCPは、モダリティ欠損のサブグループに対して**条件付き妥当性（conditional validity）**を密かに喪失します。論文では、この失敗がデータセットと学習レジームに応じて、以下の2つの異なる対照的な形態として現れることを示しています。

1. 妥当だが情報価値がない（Valid but Uninformative）: 手法が被覆目標（例：90%）を満たすものの、あらゆるラベルを含む予測集合を出力してしまう（退化した集合）。これにより、臨床的な洞察が得られなくなる。
2. 情報価値はあるが妥当ではない（Informative but Invalid）: 手法が小さく自信に満ちた予測集合を生成するが、被覆目標を満たせず、許容されるエラー率よりも大幅に多く真の診断を見逃す。

手法：モダリティ条件付きコンフォーマル予測（MC2）

これを解決するために、著者らは**モダリティ条件付きコンフォーマル予測（MC2）**を導入しています。このアプローチは、基礎となる予測器の再学習を必要とせずに、欠損したモダリティを考慮するように較正プロセスを修正します。

• モンドリアン較正（Mondrian Calibration）: MC2は、モダリティの利用可能パターン（例：「画像＋表形式」、「画像のみ」、「表形式のみ」）をグルーピング関数として扱います。データセット全体に対して単一のグローバルな閾値を計算する代わりに、MC2はこれらのパターンごとに較正セットを層別化します。
• パターンごとの閾値: 各モダリティパターン $m$ に対して、個別の閾値 $\hat{q}_m$ を、その特定のサブグループにおける非適合度スコアの $(n_m + 1)(1-\alpha)/n_m$ 分位点として計算します。
• 実装の詳細:
  • 予測器 $f$ は、学習可能なマスク・トークンとモダリティ・ドロップアウトを用いて、不完全な入力に対処するように訓練されます。
  • 較正レイヤーへの寄与を分離し、汎用ハードウェアでの実現可能性を確保するため、画像エンコーダーは凍結されます。
  • 特定のモダリティパターンに十分な較正データがない場合（閾値 $\tau$ 未満）、手法は集約された（マージナルな）閾値へとフォールバックし、このフォールバックを明示的に報告します。
  • 本手法は、主に LAC (Least Ambiguous set-valued Classifier) ($s = 1 - p_y$) を用いた標準的な非適合度スコアを使用しますが、APS (Adaptive Prediction Sets) も検討されています。

主な貢献

1. 条件付き妥当性の喪失の定式化: 本論文は、標準的なスプリットCPがモダリティ全体の欠損下で条件付き妥当性を失うことを正式に証明し、その失敗の「二つの顔」（妥当だが情報価値がない vs 情報価値はあるが妥当ではない）を経験的に特徴付けています。
2. MC2の導入: 著者らは、モダリティの利用可能パターンによって層別化するモンドリアン較正戦略であるMC2を提案しています。これは、訓練済みの予測器を変更することなく、パターンごとの妥当な被覆を回復させます。
3. メカニズムの特定: 制御された実験を通じて、論文は「モダリティの冗長性」ではなく、**クラスの出現率（class prevalence）**こそが、どちらの「失敗の顔」が現れるかを決定する主要な要因であることを特定しています。出現率が低い場合はアンダーカバレッジ（被覆不足）を招き、高い場合は退化した集合を招くことを示しています。

実験結果

手法は、2つの公開された「画像＋表形式」データセットで評価されました。

• CBIS-DDSM: マンモグラフィのROIと表形式メタデータ（二値分類：良性/悪性、出現率 約40.8%）。
• OL3I (Stanford AIMI): 単一のL3 CTスライスと臨床的リスク因子（二値分類：1年以内の虚血性心疾患、出現率 約4.4%）。

知見:

• CBIS-DDSM (高出現率): マージナルCPは妥当だが情報価値がない状態でした。200エポック時点で、画像欠損のサブグループに対して100%の被覆を達成しましたが、すべてのケースに対して全ラベルセットを出力しました（実行可能率 0%）。MC2は被覆率を約90%に回復させると同時に、実行可能率を向上させました（早期停止時において、約13%から約26%へ、また長期学習における0%からの回復）。
• OL3I (低出現率): マージナルCPは情報価値はあるが妥当ではない状態でした。200エポック時点で、高い実行可能率（約89%）を達成しましたが、被覆率が低下し、目標の90%を下回る約73%となりました。MC2は、信頼できる（ただしより低い）実行可能率を犠牲にしつつ、被覆率を約91%まで回復させました。
• 合成多クラス研究: $K=6$ のクラスを用いた制御実験により、マージナルCPは画像欠損のサブグループに対して深刻なアンダーカバレッジ（目標90%に対し約45%の被覆）を示す一方で、MC2は目標を維持することが確認されました。
• 出現率の入れ替え: 出現率を人工的に入れ替えることで（モダリティ構造は固定）、失敗モードが「反転」することを著者らは示しました。CBISの出現率を4.4%に下げるとアンダーカバレッジが誘発され、OL3Iの出現率を40%に上げると退化が誘発されました。これにより、出現率が閾値のミスマッチを駆動していることが裏付けられました。

意義と主張

本論文は、MC2が、マルチモーダルな臨床展開において遍在する失敗モードに対する、シンプルで事後的な、かつ計算コストの低い解決策であることを主張しています。その意義は以下の通りです。

• 信頼の回復: 入力が劣化した（スキャンが欠損している）患者、すなわち最も脆弱であり信頼できる意思決定支援を必要としている患者に対して、不確実性の定量化が有効であることを保証します。
• 有用性の維持: 妥当性と情報量（実行可能なセットのサイズ）のトレードオフを管理し、モデルが自信について嘘をついたり、あるいは役に立たなくなったりすることを防ぎます。
• 再学習不要: 本手法は既存の予測器の上に較正レイヤーとして機能するため、即座に導入されたシステムに適用可能です。

著者らは、制限事項についても謙虚に述べており、結果が凍結されたエンコーダーに依存していること、データセットが二値（多クラスの結果は合成データで示されている）であること、およびメカニズムが「各パターン内で欠損が条件付きでランダムである」という仮定に基づいていることを指摘しています。また、APSスコアを用いた場合のMC2の性能は、レジームに依存し、LACスコアよりも堅牢性に欠ける可能性があることも述べています。