Development and validation of an artificial intelligence-based virtual indigo carmine chromoendoscopy model: a multicenter study

人間の体内において、胃や結腸の粘膜は、微細な襞（ひだ）と谷が織りなす景観を呈しています。この地形の中からがんの初期兆候を見つけ出すために、医師はしばしば「染色内視鏡」と呼ばれる技術に頼ります。この手技では、無害な青色の色素が組織にスプレーされます。色素は表面の小さな窪みに沈み込み、高コントラストな地図を作り出すことで、疑わしい病変の縁や組織構造の微細な詳細をはるかに判別しやすくします。この視覚的な強化は、がんが広がる前に発見するために極めて重要ですが、そのプロセスは時間がかかり、安定した手技を必要とし、術者である医師の熟練度に大きく依存します。多くの病院、特にリソースの乏しい病院にとって、高度な電子画像診断システムのコストと複雑さは、この手動による色素スプレーを唯一の選択肢にしていますが、そこには特有の困難さが伴います。

中国の病院の研究チームは、スプレーボトルを一度も触れることなく、この視覚的な明瞭さを実現する新しい方法を開発しました。彼らは、胃や結腸の標準的な白光画像（普通の白い光での画像）を取り込み、瞬時にあたかも青い色素が塗布されたかのような画像へと変換できる人工知能システムを構築しました。この「バーチャル染色」技術は、従来の染料を用いた手法による診断上のメリットを提供しながら、物理的な処置の必要性を排除し、がんの早期発見をより迅速、安全、かつアクセシブルなものにすることを目指しています。

研究者たちはまず、5つの異なる病院から膨大な医療画像のコレクションを集めました。彼らは、青い色素が使用された画像を9,000枚以上、そして同じ患者の白光のみで撮影された一致する画像を8,000枚以上収集しました。これらの画像は、1,000件近い異なる症例から提供されたものであり、コンピュータモデルを訓練するための多様で堅牢な基礎となりました。目標は、人工知能に、色素がどのように組織の外観を変化させるか――どのように溝に溜まり、病変の境界を際立たせるのか――を正確に理解させ、それによって通常の画像の上にその効果を再現させることでした。

このシステムを構築するために、チームは「敵対的生成ネットワーク（GAN）」として知られる一種の人工知能に基づいた特殊なコンピュータプログラムを設計しました。単に青いフィルターを追加するだけの単純なプログラムとは異なり、このモデルは複雑で段階的な変換を行うように設計されました。それは、組織の解剖学的な構造を厳格に維持しながら、画像の色彩とコントラストを変化させることを学習しました。研究者たちは、コンピュータが新しい構造を作り出したり、組織の形状を歪めたりすることがないよう細心の注意を払いました。そのようなエラーは、危険な誤診につながる可能性があるからです。彼らは、一般的な写真編集や他の医療画像タスクに使用される手法を含む、既存のいくつかのコンピュータ手法に対して、自分たちの創造物をテストしました。

結果は、彼らの新しいモデルが、ほぼあらゆる面で他の手法よりも優れていることを示しました。コンピュータが生成した画像と実際の染色画像を比較した際、新しいモデルは色彩の豊かさと構造的な詳細の両面において、より近いものを作り出しました。生成された人工画像は、他のアルゴリズムが作成したものよりも実物に近い外観を示しました。これを検証するため、研究者たちは、数十年の経験を持つ専門家からキャリアを始めたばかりの医師まで、11人の医師に画像を見てもらいました。医師たちは、本物の染色画像とコンピュータ生成の画像を区別できるかどうかを問われ、さらに、組織のコントラスト、病変の境界の明瞭さ、および微細構造の視認性に基づいて画像の品質を評価しました。

医師たちは、偽の画像を本物と区別するのが困難であると感じ、コンピュータ生成の画像を正しく識別できたのは約78%にとどまりました。これは、コンピュータが生成した画像が、かなりの割合で専門家を欺くほど説得力があることを示唆しています。がんを見つけるという実用的なタスクにおいて、バーチャル画像は驚くほど優れた性能を発揮しました。医師たちは、バーチャル画像における全体的なコントラストと病変の境界の明瞭さは、実際の染色画像とほぼ同一であると評価しました。病変の縁がどの程度見えるかについては、実物との有意な差はなく、これは生検を行う場所を決定する上で最も重要な要素です。

しかし、研究では、バーチャル画像が依然として及ばない領域が一つ明らかになりました。医師たちが組織表面の最も微細な詳細、すなわち「微細構造」を見たとき、バーチャル画像は実物よりもわずかに低い評価となりました。コンピュータは大きな全体像や問題の縁を示すことには長けていましたが、極めて微細なテクスチャに関しては、実際の色素塗布ほど鋭敏ではありませんでした。このギャップは、微細な詳細を探す訓練を受けているシニアの医師たちにおいてより顕著であり、一方で経験の浅い医師たちは、バーチャル画像を実物と同じくらい明瞭であると感じていました。このことは、この技術が、専門的な訓練を積むことなく必要な情報を見ることができるよう、経験の浅い実務家にとって特に有用である可能性を示唆しています。

研究は、この人工知能モデルが、高い安定性と異なる病院間でも動作する能力を備えた、高品質なバーチャル染色画像を生成できる実行可能なツールであると結論付けています。このシステムは、すべての微細な詳細を示す点ではまだ完璧ではありませんが、早期がん検出に必要な最も重要な視覚的特徴をうまく再現しています。研究者たちは、これは大きな前進であると述べる一方で、さらなる検証が必要であることも強調しています。今後の課題は、実際の患者の手技中にこれらのバーチャル画像を使用することが、検出率の向上と命を救うことにつながるかどうかを確認することです。現時点では、この研究は、コンピュータが、人間の手によるスプレーボトルに匹敵する方法で、疾患の隠れたパターンを見出すことができることを証明しています。