Construction of a Multi-Class Intelligent Diagnostic System for Thyroid Follicular Carcinoma, Lymphoma, and Follicular Adenoma Based on Improved Swin-Transformer and Ultrasound Radiomics

あなたは、指紋や足跡の代わりに、体内の微細でうねったパターンを手がかりにする探偵だと想像してください。これは医療画像の領域であり、医師たちはメスを入れることなく、超音波（エコー）を使って私たちの内部を覗き見ます。甲状腺にある結節（しこり）の中には、無害な膨らみに見えるものもあれば、危険なトラブルメーカーであるものもあります。厄介なのは、標準的な超音波画像では、これらがほとんど同じように見えてしまうことです。それは、薄暗い光の中で、本物のダイヤモンドと非常に精巧なガラスを見分けるようなものです。長年、医師たちは推測に頼らざるを得ず、その結果、不必要な手術や治療の遅れを招くこともありました。しかし今、科学者たちは、人間が最も経験豊富な目よりも優れた探偵になれるよう、人間には見えないパターンを見つけ出す特別な種類の「デジタル脳」を用いて、コンピュータに教えているのです。

この論文は、甲状腺の最も困難な謎の一つ、つまり非常によく似た3つの特定の種類の結節を見分けるために設計された、超スマートなコンピュータ・システムについての物語を伝えています。そのうちの2つは異なる種類の癌（一つは濾胞癌、もう一つは希少なリンパ腫）であり、残りの一つは無害な増殖（濾胞腺腫）です。この違いは非常に重要です。なぜなら、希少な癌（リンパ腫）には手術ではなく薬物療法が必要であり、もう一方の癌は手術を必要とするからです。研究者たちは、2つの強力なツールを組み合わせた「デジタル探偵」を構築しました。それは、画像全体を見るハイテクな画像解析器と、音波の微細な詳細をカウントする「テクスチャ・スキャナー」です。彼らは、1,200件以上の実際の患者症例を用いてこのシステムを学習させ、さらに、単に答えを暗記しているのではないことを証明するために、別の病院から来た260人の新しい患者グループでテストを行いました。

結果は素晴らしいものです。このコンピュータ・システムは、最初のテストでは約91%、そして異なる病院の新しいグループに対しては約87%の確率で正しい種類の結節を特定しました。これは現在行われている標準的な手法よりも優れており、経験豊富な2人の医師が単独で行うよりも高い精度です。医師がこのコンピュータを補助として使用すると、その正確性は平均して約11ポイント上昇し、医師同士の意見の一致もより高まりました。システムは単に推測したのではなく、人間が注目した場所と一致するように、手がかりとなった超音波画像の正確な箇所を強調表示することで、その根拠を示しました。研究者たちは、絶対的な確信を得るためにはさらに多くの人々や異なる種類の超音波診断装置でテストする必要があると認めていますが、彼らの知見は、この新しいツールが医師による不必要な手術を避け、患者をより迅速に適切な治療へと導く助けになり得ることを示唆しています。

探偵の道具箱：仕組み

この新しいシステムがどのように機能するかを理解するために、群衆の中から容疑者を特定しようとしているところを想像してみてください。あなたには2つの方法があります。

1. 全体像： あなたは人物の全体、身長、歩き方を見ます。これがSwin-Transformerが行うことです。これは、超音波画像全体を見渡し、画像の異なる部分が互いにどのように関連しているかを理解する人工知能の一種です。
2. 微細な詳細： あなたは服の質感や靴の特定のパターンへとズームインします。これが**Radiomics（ラジオミクス）**が行うことです。これは画像を数千の微細な数学的数値に分解し、人間の目には見えないがコンピュータならカウントできる、音波の質感、明るさ、パターンを記述します。

従来のAIシステムの課題は、通常、これら2つの情報を、写真の横に数字のリストを貼り付けるように、ただ結合してしまう点にありました。時には写真の情報が強すぎて、数字のリストが無視されてしまったり、あるいはリストが長すぎて、写真が見失われてしまったりすることがありました。

新しい「スマートな接着剤」

著者たちは、これらのツールを組み合わせる新しい方法を考案しました。これを**Adaptive Weighted Fusion (AWF：適応型重み付け融合)**と呼びます。これは「スマートなミキサー」だと考えてください。写真をリストと一緒にボウルに投げ込むのではなく、このミキサーには特別なセンサーが付いています。個々の患者ごとに、「この特定のケースには、全体像からの助けが必要か、それとも微細な詳細からの助けが必要か？」と問いかけます。

• 画像がぼやけているがテクスチャが鮮明な場合は、ミキサーはテクスチャのボリュームを上げます。
• テクスチャにノイズがあるが形状がはっきりしている場合は、形状のボリュームを上げます。

この「スマートな接着剤」により、コンピュータは一律のアプローチをとるのではなく、それぞれの特定のケースに対して適切な手がかりに耳を傾けることができるのです。また、コンピュータがより集中できるように、2つの特別なモジュールを追加しました。一つは異なるサイズで画像を見るもの（ズームインとズームアウトのようなもの）、もう一つはスポットライトのように機能し、画像の最も重要な部分を強調し、背景のノイズを無視するものです。

大いなるテスト：専門家に勝てるか？

研究者たちは単にシステムを構築しただけでなく、厳格な試練にかけました。

• 学習： 彼らは1,224人の患者のデータをシステムに投入しました。
• テスト： 同じ病院の新しい184人の患者グループでテストを行いました。
• 実世界のチェック： 異なる超音波診断装置を使用している別の病院の260人の患者に対してテストを行いました。これは極めて重要です。なぜなら、システムが最初の病院の画像を単に暗記しているのではなく、疾患のルールを実際に学習していることを証明するためだからです。

結果：

• 正確性： コンピュータは内部テストにおいて90.76%、外部テストにおいて**87.31%**の確率で正解しました。
• 基準との比較： システムは、他の6つの一般的なAI手法や、特別なアップグレードを加えない標準的な「Swin-Transformer」よりも有意に優れた結果を出しました。
• 人間への貢献： 経験10年と8年の2人のシニア医師がコンピュータをセカンドオピニオンとして使用した際、彼らの正確性は平均で10.60ポイント上昇しました。コンピュータを使用する前、彼らの意見の一致度は約65%でしたが、コンピュータの使用後は82%に達しました。

なぜこれが重要なのか（そして、まだできていないこと）

この物語の最もエキサイティングな部分は、コンピュータが特に**原発性甲状腺リンパ腫（PTL）**を見つけるのが得意であるという点です。これは、他の2つの種類と非常によく似ていますが、手術ではなく化学療法を必要とする希少な癌です。もし医師がこれを他の種類と間違えれば、患者は不必要に切開されることになるかもしれません。コンピュータは約97%（内部テスト）という非常に高い精度でこの希少なタイプを特定しており、救命につながる早期警告システムになり得ることを示唆しています。

しかし、著者たちはこれがすべてを解決する魔法の杖であるとは言っていません。

• 完璧ではない： 特に、癌の結節が他の種類や無害なものと非常によく似ている場合には、依然として間違いが生じることがありました。
• さらなるデータが必要： 希少なリンパ腫を持つ患者のグループは小さかった（メイングループ内で131人）。著者らは、あらゆる人に対して確実に機能することを証明するために、さらに多くの人々でテストする必要があると述べています。
• 助手であり、代替品ではない： このシステムは医師に取って代わるためではなく、医師を支援するために設計されています。最良の結果は、医師が自分の仕事をダブルチェックするためにコンピュータのアドバイスを使用したときに得られました。

要約すると、この論文は、コンピュータに「全体像」と「微細な詳細」の両方を見るように教え、さらに各患者にとってどの手がかりが重要かを判断させることで、医師がより良く、より速く、より正確な決定を下せるようにするツールを構築できることを示しています。これは、不必要な手術を受ける人が減り、より多くの人が即座に適切な治療を受けられる未来に向けた、有望な一歩です。