SCD-E2S: Deep Learning Based Skin Cancer Detection Using EfficientNetV2-S with Attention Mechanisms

皮膚癌は、黒い斑点、盛り上がった隆起、あるいは不規則なパッチとして現れる最も一般的な形態を含め、世界的な健康課題として拡大しています。これらの疾患を早期に発見することは極めて重要であり、それによって患者の完全な回復の可能性が劇的に向上します。数十年にわたり、医師たちはこれらの警告サインを見つけ出すために自身の目と経験に頼ってきましたが、人間の判断には医師間でばらつきが生じることがあり、無害なほくろと危険な腫瘍との視覚的な違いは非常に微細な場合があります。近年、ディープラーニング（深層学習）として知られる人工知能の一分野が、この作業を支援する強力なツールとして登場しました。これらのコンピュータシステムは、何千枚もの医療画像を研究することによって学習し、健康な皮膚と疾患を区別する複雑なパターンを段階的に認識していきます。その目的は医師に取って代わることではなく、特に専門医によるケアに手が届きにくい地域において、見逃される可能性のあるものを見つけ出すための信頼できる「セカンドオピニオン」を提供することにあります。

研究チームは現在、この技術をより速く、より正確に、そして実社会での使用に適したものにするために設計された新しいシステムを開発しました。彼らの研究は、システムの「脳」として機能するEfficientNetV2-Sと呼ばれる特定の人工知能アーキテクチャに焦点を当てています。この脳をさらに鋭敏にするために、研究者たちは特別な「アテンション・メカニズム（注意機構）」を追加しました。これは、背景のノイズなどの無関係な情報を無視しながら、コンピュータが皮膚病変の最も重要な詳細に焦лоスを合わせるのを助けるスポットライトのような役割を果たします。彼らは、このシステムを14,000枚を超えるダーモスコピー画像（特殊なカメラで撮影された、高度に拡大された皮膚の写真）の膨大なコレクションを用いて訓練しました。これらの画像をコンピュータに入力する前に、チームは毛髪や定規の跡などの邪魔な要素を取り除き、コントラストを強調して斑点の輪郭をより鮮明にすることで、画像を整理しました。また、コンピュータが単に一般的な無害なものだけでなく、希少で危険な癌をも見つけられるように学習できるよう、データのバランスを整えることにも細心の注意を払いました。

訓練プロセスは、慎重に段階を追った取り組みでした。まず、コンピュータは新しい画像を使用して基礎を学び、次に、自身の知識のより深い層を見ることで、理解を微調整することが許されました。システムが訓練画像を完璧に覚えすぎてしまうこと（これは新しい写真に対して失敗を招くミスとなります）を防ぐため、研究者たちは学習中に異なる画像を混ぜ合わせる手法を用い、システムが単なる特定のピクセルではなく、根底にある概念を理解するように強制しました。また、最も困難な症例、特に危険なメラノーマ（悪性黒群黒色腫）に対してより注意を払うようシステムの内部ルールを調整し、それらを見逃さないようにしました。他の2つの主要な医学データベースからのデータを含む、これまで見たことのない画像を用いてテストした際、システムは97パーセントを超える精度を達成しました。システムは、設計された3つの主要な皮膚病変の種類、すなわちメラノーマ、基底細胞癌、およびメラノサイト性母斑を正しく識別しました。

この研究を際立たせているのは、単に高いスコアを出したことではなく、システムがラボの外でどのように役立つように構築されたかという点です。研究者たちは、訓練されたモデルを標準的なスマートフォンで動作するモバイルアプリケーションにパッケージ化しました。このセットアップでは、ユーザーが疑わしい箇所を写真に撮ると、その画像は安全にサーバーに送信され、コンピュータがわずか1秒余りで解析を行います。その後、アプリは信頼度スコアと共に結果を返し、患者と医師の両方のための意思決定支援ツールとして機能します。研究者たちは、このツールは専門的な医学的診断を代替するものではなく、あくまで補助するためのものであることを強調しています。高度に効率的なコンピュータモデルと実用的なモバイルインターフェースを組み合わせることで、チームは高度な人工知能が、診療所や遠隔地での即時利用のためにアクセシブルになり得ることを実証しました。この研究は、多様な患者グループでのさらなるテストと医療ワークフローへの統合が進めば、このようなシステムが皮膚癌の早期発見における標準的な一部となり、疾患をより早く捉えることで命を救う一助となる可能性があることを示唆しています。