Development and Validation of a Deep Learning Ensemble Model to Predict Drug-resistant Tuberculosis From Initial Chest X-ray Image

結核は、依然として地球上で最も根強く、致命的な感染症の一つであり、毎年100万人以上の命を奪っています。現代医学は、この病気を治療する方法を開発してきましたが、増大する脅威が忍び寄っています。それが、薬剤耐性菌です。これらは、標準的な薬で死滅させるための薬に対して生き残る術を学んだ細菌です。これらの耐性菌を迅速に特定することは、時間との戦いです。もし患者が薬剤耐性を持つ型に感染しているにもかかわらず、標準的な薬で治療された場合、病気は進行し続け、患者の状態は悪化し、多くの場合、死に至ります。現在の診断のゴールドスタンダード（標準的な手法）は、サンプルを採取してラボでどの薬が効くかをテストすることですが、このプロセスには数週間かかることがあります。感染症の世界において、数週間という時間は、封じ込めができるか、あるいは大規模なアウトブレイクが発生するかを分ける境界線となります。

研究者たちは以前から、胸部X線写真に見えるパターンが、患者が薬剤耐性株を持っているかどうかについてのヒントを握っているのではないかと疑っていました。胸部X線写真は、肺の状態を示す、広く普及している単純な画像です。人間の医師は、肺に感染があるかどうかを確認するためにこれらの画像を見ますが、人間が目視だけで、標準的な感染と薬剤耐性のある感染を容易に区別することは困難です。しかし、パターンの識別能力を持つのは人間の目だけではありません。新しい研究は、人工知能の力を活用して、人間の能力を超える方法でこれらの画像を分析し、患者がクリニックに到着した直後に、薬剤耐性の微妙な兆候を捉えることを目指しています。

研究チームは、早期警戒信号として機能するコンピュータシステムを構築することに着手しました。彼らは新しい機械や新しい種類のスキャナーを作ったわけではありません。代わりに、既存の膨大な胸部X線画像のコレクションと、それらを撮影した患者の確定された医療記録を使用しました。このデータは、世界中の結核患者の情報を収集している「TB Portals」というグローバルプロジェクトから提供されたものです。研究者たちは、東欧および中央アジアの患者から7,000枚以上の画像を選択し、各患者が薬剤感受性株であるか、あるいは薬剤耐性株であるかの明確な記録を確保しました。彼らはこのデータを、コンピュータを学習させるためのグループ、進捗を確認するためのグループ、そして最終的なスキルをテストするための最終グループに分割しました。これは、本番の試験の前に練習問題を受ける学生のような仕組みです。

このシステムを構築するために、研究者たちは単一のコンピュータプログラムに頼るのではなく、「アンサンブル」、つまり異なる人工知能モデルが協力して働くチームを作成しました。彼らは、画像のパターンを認識するように設計された複雑なコンピュータプログラムである3つの異なるディープラーニング・モデルを、胸部X線写真を用いて学習させました。これらのモデルは、人間の目では見逃してしまうような、肺の画像内の何千もの微細な詳細を特定することを学びました。並行して、チームは「ラジオミクス」と呼ばれる別の手法を用いました。これは、画像のテクスチャや形状といった、数百の測定可能な数学的特徴へと画像を分解する手法です。さらに、年齢、性別、糖尿病やHIVなどの他の健康状態の有無といった、患者の基本的な情報も組み込みました。

研究者たちは、これらすべての異なる情報源からの洞察を統合しました。3つの画像読取モデルによる予測、ラジオミクス解析、そして患者の基本健康データをとりまとめ、最終的な機械学習分類器へと入力しました。この最終ステップは「審判」として機能し、すべての証拠を精査して、単一の確率スコアを算出します。このスコアは、患者が薬剤耐性型の結核である可能性を表しています。システムは、臨床結果が出るのを待つのではなく、高リスクの患者を即座に専門的な検査と治療へと振り分けるための「門番」、すなわち第一線の防御線として設計されました。

チームが、これまで見たことのないデータを用いて最終モデルをテストしたところ、有望な結果が得られました。システムは、高い精度で薬剤耐性と薬剤感受性のケースを正しく区別できました。テストグループにおいて、モデルは両方のグループを確実に分離できることを示すスコアを達成し、臨床情報のみを使用した場合よりも大幅に優れた性能を示しました。モデルは単にランダムに推測したのではなく、明確なパターンを示しました。後に最も深刻な薬剤耐性（広範囲薬剤耐性結核として知られる）があると確認された患者は、比較的軽度の耐性を持つ患者よりも高いリスクスコアを受け取りました。これは、システムが単に耐性の有無だけでなく、その強さをも検知できるほど敏感であったことを示唆しています。

研究者たちはまた、モデルが正しい箇所を見ていることを確認するために、モデルがどのように決定を下したかを調査しました。画像のどの部分がコンピュータの選択に影響を与えたかを強調する技術を用いたところ、モデルは医師が注目する場所である肺野に注意を向けていることがわかりました。モデルは、疾患の特徴である肺内の暗いパッチや構造的変化を特定しました。しかし、研究は一つの限界も明らかにしました。患者に貧血やHIVなどの他の健康状態がある場合、モデルの性能が低下したのです。これは、システムは強力であるものの、他の疾患が肺にあると、モデルが探そうとしているパターンを混乱させてしまい、診断をより困難にすることを示しています。

本研究は、胸部X線写真が、この特定のタイプの人工知能によって分析されることで、薬剤耐性リスクの迅速かつ意味のある推定を提供できると結論付けています。著者らは、このシステムはどの特定の薬が有効であるかを確定させるためのラボテストの代わりになるものではない、と慎重に述べています。むしろ、これは強力なスクリーニングツールです。高度なラボ設備が不足している地域などの忙しいクリニックにおいて、このツールは医師がどの患者に緊急かつ専門的なケアを直ちに提供すべきかを判断する助けとなるでしょう。最も危険なケースを早期に特定することで、このシステムは適切な治療をより早く開始することを可能にし、これらの治療が困難な細菌がさらなる被害をもたらす前に、その拡散を食い止める手段を提供します。この研究は、適切なデータと異なる種類のコンピュータモデルによる協力的アプローチがあれば、数十年にわたって撮影されてきた画像から、新たな命を救うための洞察を引き出せることを証明しています。