Patient-level multimodal fusion of colposcopy image representations and clinical features for LSIL-or-above cervical lesion risk stratification: an internal validation study

技術要約：子宮頸部病変のリスク層別化のための患者レベル・マルチモーダル融合

問題提起
本研究は、コルポスコピーを用いた低度扁平上皮内病変（LSIL）以上のリスクを持つ患者の層別化における課題に取り組んでいる。自動化された子宮頸部画像評価は進歩しているものの、既存のモデルは、患者レベルのデータ漏洩（一人の患者から得られた複数の画像を訓練セットとテストセットに分割してしまうこと）、診断近接変数（指標となる検査後に記録された予測因子）の使用、および不完全なモダリティの結合といった手法上の欠陥に苦しむことが多い。さらに、画像表現がアウト・オブ・フォールド（OOF）で再生成された場合や、重複する患者が除去された場合、あるいは診断近接変数が除外された場合に、マルチモーダルな推定値がどのように変化するかを厳密に評価した研究はほとんどない。本研究は、臨床記録、生のコルポスコピー画像、および中医学的証候（ZhengHou）を組み合わせた患者レベルのマルチモーダルモデルを評価し、より厳格な堅牢性の条件下での性能減衰を明示的に定量化することを目的としている。

方法論

• 研究デザイン： 広州中医学科第二附属病院における単一施設、遡及的内部検証研究。
• コホート： 本研究では、連結された臨床記録、生のコルポスコピー画像（ネイティブ、酢酸、ヨードによるビューを含む計1,053枚）、および構造化されたZhengHouテキストを持つ356人の患者を分析した。コホートは、患者レベルの層別化を用いて、訓練（n=254）、検証（n=51）、テスト（n=51）のセットに分割された。
• 運用エンドポイント： ターゲットは、「SPI-12-以下」（コントロール、持続感染、または12ヶ月後の同種感染）と「LSIL-以上」（LSIL、高度扁平上皮内病変、または子宮頸がん）を区別することであった。ラベルは、独立したブラインド化された病理学的判定ではなく、日常的な臨床症例記録のグループから導出された。
• モダリティ処理：
  • 臨床的特徴： 人口統計学、既往歴、および現在の診断結果（TCT、HR-HPV、コイロサイトーシス）から派生した28個のエンコードされた特徴量。
  • 画像表現： 2つのブランチを使用。第一に、5分割層別化法で訓練されたConvNeXt-Tinyモデルによって生成されたスカラーのOut-of-Fold（OOF）リスクスコア。第二に、アノテーション強化されたConvNeXtチェックポイントからの平均および標準偏差の埋め込みを使用し、32個の主成分（PCA）に削減されたキャッシュされた画像表現ブランチ。別途、感度分析として、これらの表現を完全にOOFで再生成した。
  • ZhengHouセマンティクス： テキストフィールド（舌の色、苔、脈、証候）をBAAI/bge-large-zhモデルを用いて埋め込み、16個のPCA成分に削減した。
• 融合モデル： 検証時のみのチューニングを通じて、CatBoost分類器が選択された。これは、28個の臨床的特徴、1個のOOFリスクスコア、32個の画像PCA成分、および16個のZhengHou成分からなる計77個の入力を組み合わせたものである。
• 評価戦略： 本研究は「レイヤード（階層的）」な評価アプローチを採用した。主要な指標には、患者レベルのブートストラップ信頼区間を伴うROC-AUC、PR-AUC、バランス精度、およびF1スコアが含まれる。堅牢性は以下の方法でテストされた：
  1. アブレーション（切除実験）： 特定のモダリティ（臨床、画像PCA、OOFリスク、ZhengHou）の除去。
  2. 厳格なOOFリプレイ： 画像表現を一切のデータ漏洩なしに完全にOOFで再生成。
  3. 重複保守的分析： 正確または知覚ハッシュの重複を持つ患者の除去。
  4. ソース制限： 1つのソースバッチを除外する分析。
  5. 展開可能変数の境界： 診断近接変数（現在のTCT/HR-HPV）を除去し、スクリーニング前の条件をシミュレート。
• 評価指標： モデルは不完全な絶対リスク較正（ブライア・スコア 0.185、較正スロープ 1.773）を示しており、臨床導入前の再較正の必要性を示唆している。

主要な結果

• 主要性能： 完全なマルチモーダルCatBoostモデルは、ロックされたテストセットにおいて、すべての指標で最高の点推定値（ROC-AUC 0.863 [95% CI, 0.752–0.952]、PR-AUC 0.762、バランス精度 0.838、F1スコア 0.757）を達成した。検証選択された閾値において、感度は87.5%、陰性的的中率（NPV）は93.3%であった。
• モダリティの寄与：
  • 臨床的コンテキスト： ドミナントなリスクアンカーを提供した。臨床のみのモデルはROC-AUC 0.830を達成した。臨床変数を除去すると、最大の性能低下が生じた（ROC-AUCは0.293減少）。
  • 画像表現： 最大の非臨床的寄与を提供した。画像PCAを除去するとROC-AUCは0.097減少した。最も強力な画像単独ベンチマーク（生のConvNeXt-Tiny）はROC-AUC 0.793を達成した。
  • ZhengHou： 限定的な補助情報を提供した。ZhengHouを除去すると、ROC-AUCは0.863から0.855へと変化した（対比差 0.007; 95% CIはゼロを含んでいた）。ZhengHouのみのモデルはチャンスレベルを下回る性能であった。
• 堅牢性と感度：
  • 厳格なOOF： 画像表現を完全にアウト・オブ・フォールドで再生成した場合、ROC-AUCは0.814に低下し、ブライア・スコアは悪化した。これは、確率較正がランク識別よりも表現の構築に対して敏感であることを示している。
  • 重複： 重複保守的サブセット（n=38）において、マルチモーダルモデルは臨床モデルよりも高いPR-AUCとF1を維持したが、臨床モデルの方が高いROC-AUCを示した。
  • 展開可能変数： 診断近接変数を除去すると、ROC-AUCは0.686へと大幅に低下し、主要なモデルの性能が検査時の完全な診断コンテキストに依存していることを浮き彫りにした。
• 較正： モデルは不完全な絶対リスク較正を示しており、臨床展開前の再較正が必要であることを示唆している。

意義と主張
本論文は、患者レベルのマルチモーダル融合が、特定の内部テストセット内において最強の全体的指標プロファイルを生み出すと主張しているが、これを普遍的なプレスクリーニング・ソリューションではなく、明示的に「診断コンテキスト」の結果として位置づけている。

• 階層的エビデンス： 本研究の主要な貢献は、単一の高AUCではなく、より厳格な条件（データ漏洩の除去、診断近接変数の除外、または重複の処理など）の下で性能がどのように低下するかを定量化する厳密なフレームワークであることである。これにより、モデルの適用可能性の境界が定義される。
• コンテキストへの依存性： 結果は、臨床的診断コンテキスト（特に現在のTCTおよびHR-HPVの結果）がモデルの識別の大部分を占めていることを示している。このモデルは、独立したスクリーニングツールとしてではなく、診断ワークフロー内における層別化ツールとして機能する。
• 控えめな新規性の主張： 著者らは、すべての画像アーキテクチャに対する普遍的なアルゴリズムの優位性を主張しているのではない。代わりに、この特定のデータセット内において、マルチモーダル融合が画像単独のベースラインに対して一貫した数値的優位性を示すことを示している。ZhengHouへの貢献は「限定的」かつ「方向性としては好ましい」と説明されているが、統計的に決定的なものではなく、中医学的コンテキストに依存していることを示唆している。
• 今後の方向性： 本論文は、現在の結果が、臨床応用前の事前規定された再較正と意図された用途定義を伴う「凍結された外部前向き検証」を支持するものであると結論付けている。また、運用エンドポイントが調和された臨床記録であり、ブラインド化された病理学的ゴールドスタンダードではないことを強調しており、将来の研究はこの限界に対処しなければならないとしている。