Beyond Binary: Four-Class Risk Stratification from Gastrointestinal Endoscopy Using Asymmetric-Cost Lightweight CNN–Transformer Learning

技術要約：バイナリを超えて：非対称コストを用いた軽量CNN–Transformer学習による消化管内視鏡の4クラス・リスク層別化

問題提起
現在のAI支援内視鏡システムは、主に病変の「有無」を判定する二値分類の枠組みで動作しています。著者らは、この設計は、消化管所見を異なる臨床的アクションを必要とする階層的なリスクレベルに分類する、公開された臨床診療ガイドライン（具体的には米国消化器病学会および欧州消化器内視鏡学会によるもの）と根本的に乖離していると主張しています。さらに、二値分類システムはすべての誤分類エラーを等価に扱うため、高リスク病変を見逃すこと（潜在的な癌への進行につながる）が、正常な所見を過剰にトリアージすることよりもはるかに深刻な結果をもたらすという、極めて重要な臨床的な非対称性を無視しています。既存のディープラーニング手法は、臨床用ハードウェアには不向きな重量級モデルに依存しているか、あるいは消化管のリスク層別化における特定のコスト非対称性に対処できていないことが多くあります。

手法
本研究は、標準的な臨床用ハードウェア上で動作するように設計された、軽量な4クラス・リスク層別化フレームワークを提案しています。その手法は以下のコンポーネントで構成されています。

• 臨床リスクスキーマ： 著者らは、HyperKvasirデータセットに含まれる23の所見クラスのうち21個を、以下の4つの実行可能なティア（階層）にマッピングしました：Normal（正常）（ルーチン監視）、Inflammatory（炎症性）（医学的管理）、Pre-malignant（前がん状態）（生検/強化された監視）、High-Risk（高リスク）（緊急介入/切除）。2つの非病理学的クラスは除外されました。
• モデルアーキテクチャ： パラメータ数が800万未満の3つの軽量アーキテクチャをベンチマークとして比較しました：
  • DenseNet-121 (CNN)
  • EfficientNet-B0 (CNN)
  • DeiT-Tiny (Vision Transformer)
    これらすべてのモデルは、ImageNet-1kで事前学習され、タスク固有の分類ヘッドを用いてファインチューニングされました。
• 非対称内視鏡損失（Asymmetric Endoscopy Loss: AEL）： 臨床的なリスクの非対称性を学習目標に直接組み込むために、新しい重み付きクロスエントロピー損失関数を導入しました。重みベクトル $w = [1.0, 3.5, 3.0, 5.0]$ は、Normalな所見と比較して、High-Riskな病変の誤分類に対して5倍のペナルティを課します。Inflammatoryな病変に対する重み（3.5）も、データセットにおける深刻なクラス不均衡を部分的に補正するために引き上げられました。
• 前処理および学習： 画像には、粘膜のコントラストを強調するためにCLAHE（Contrast-Limited Adaptive Histogram Equalization）が適用されました。学習には、バッチのバランスを取るためにWeightedRandomSamplerが使用されました。
• 不確実性の定量化およびリファラル・プロトコル： 推論時には、予測の不確実性を推定するために、モンテカルロ（MC）ドロップアウト（30回の確率的パス）が採用されました。安全性を重視したリファラル・プロトコルが確立されました：
  1. Pre-malignant または High-Risk と分類された予測は、信頼度に関わらず、自動的に内視鏡医によるレビューへとエスカレーションされる。
  2. 信頼度が閾値（$\tau = 0.75$）を下回る予測もエスカレーションされる。
  3. 高い信頼度を持つ Normal または Inflammatory の予測のみが、自動的にクリア（承認）される。
• 説明可能性： GradCAMを用いてサリエンシーマップ（顕著性マップ）を生成し、モデルの注意が臨床的に関連のある粘膜の特徴と一致していることを検証しました。

主な結果

• 分類性能： HyperKvasirテストセットにおいて、DenseNet-121 が最高のマクロF1スコア（0.8371）および平均AUC-ROC（0.9704）を達成しました。EfficientNet-B0 は、独立したKvasir-v2データセットにおいて優れたゼロショット汎化性能（マクロF1 = 0.7756）を示し、ドメイン内での結果と比較して性能低下が最も小さかった。
• 高リスク検出： すべてのアーキテクチャは、直接分類において94%以上のHigh-Risk再現率（Recall）を達成しました。決定的なことに、MCドロップアウトによるリファラル・プロトコルの下では、強制的なエスカレーションルールがPre-malignantおよびHigh-Riskの予測をすべて捕捉したため、内部テストセットにおいてHigh-Riskの病変の見逃しはゼロでした。
• ワークロードの削減： 本システムは、44.9% の症例（高信頼度のNormalおよびInflammatoryな所見）を自動的にクリアすることに成功し、安全性を損なうことなく、内視鏡医のレビュー負担を約45%軽減できる可能性を示しました。
• アブレーションおよび感度分析： アブレーション研究により、AEL損失関数が安全上重要なクラスを効果的に優先していることが確認されました。Focal Lossは制御されたプロトコル下でわずかに高いマクロF1を達成しましたが、AELは特定の臨床的コスト非対称性を強制しつつ、競争力のあるHigh-Risk再現率（0.9546）を維持しました。感度分析により、ペナルティの重み5.0が最適な動作点であることが特定されました。
• 説明可能性： GradCAMのヒートマップは、モデルがアーティファクトではなく、臨床的に関連のある特徴（例：粘膜の不規則性、染色の境界）に焦点を当てていることを確認しました。CNNはより鋭く局在化した注意を示し、Transformerはより広範でコンテキストを考慮したパターンを示しました。

意義および主張
本論文は、本研究を臨床展開のための検証済みツールではなく、ガイドラインに準拠した軽量AIの実現可能性を確立するための計算機的ベンチマークとして位置付けています。その主な貢献は以下の通りです：

1. タスクの再定義： 二値の病変検出から、ACG/ESGEの臨床ガイドラインを直接反映した4クラスのリスク層別化タスクへと移行したこと。
2. 非対称コスト学習： High-Riskな病変を見逃す際の生存コストの非対称性を明示的に符号化するために、AEL損失関数を導入したこと。これは従来の消化管分類の研究には欠けている要素である。
3. 安全性第一のアーキテクチャ： 軽量モデル（<8Mパラメータ）が高性能を達成できること、およびMCドロップアウトとハードな安全制約（高リスクティアの強制エスカレーション）を統合することで、構造的にHigh-Riskの見逃しをゼロにできることを実証したこと。
4. ハードウェアの実現可能性： 畳み込みおよびTransformerの両方のアーキテクチャが、堅牢な性能を維持しながら、標準的な臨床用内視鏡ハードウェアのパラメータ制約内で動作可能であることを証明したこと。

著者らは、限界事項として、主要な学習データのソースが単一機関（HyperKvasir）であること、複雑な臨床的ニュアンスを4つのティアに簡略化していること、および臨床展開の前に前向きなマルチサイト検証が必要であることを認めています。また、モデルは軽量であるものの、特定の臨床用ハードウェア（例：組み込みGPU）におけるリアルタイム推論のレイテンシについては、さらなる特性評価が必要であると述べています。