Visual Foundation Models with Adapter Learning for Parkinson’s Disease Recognition based on OCT Images

パーキンソン病は、身体の動きを徐々に損なわせる進行性の疾患であり、世界中で数百万人もの人々がこの影響を受けています。数十年にわたり、医師たちは身体的な症状を観察することに頼って診断を行ってきましたが、それらの兆候が現れる頃には、脳にはすでに深刻な損傷が生じていることが少なくありません。近年、科学者たちは、この疾患が脳だけでなく、目の奥にある光に敏感な層である網膜にも微細な痕跡を残すことを発見しました。光干渉断層計（OCT）と呼ばれる、目の詳細な断面図を作成する特殊な画像技術を用いることで、研究者たちは今やこれらの微視的な変化を見ることができるようになりました。課題は、画像が複雑であり、健康な目とパーキンソン病の初期兆候を示す目との違いをコンピュータに識別させるには、膨大なデータ量と莫大な計算能力が必要となる点でした。こうしたリソースは、医療現場ではしばしば不足しているものです。

中国の温州医科大学の研究チームは、この問題を解決し、自動診断をより身近で効率的なものにすることを目指して、新しいアプローチを開発しました。ゼロから巨大なコンピュータモデルを構築するのではなく、一般的な画像認識のために設計された強力で既存の人工知能システムを利用したのです。このシステムは「ビジュアル・ファンデーション・モデル（視覚基盤モデル）」として知られ、画像の基本的な構成要素をすでに理解しています。研究者たちの革新性は、この汎用的なシステムをパーキンソン病の特定タスクへとどのように接続させたかにあります。彼らはシステム全体にすべてを再学習させるのではなく、3つの小さく軽量なコンポーネント、すなわち「アダプター」をモデル内に挿入しました。これらのアダプターは、専門的なレンズのように機能し、モデルの核となる知識を書き換えることなく、パーキンソン病に関連する重要な詳細、例えば微細な病変や組織層のわずかな変化などにシステムを集中させることができます。

チームはこの手法を、彼らの病院の患者から収集された1,440枚の眼底画像を用いてテストしました。データセットには、40人の健康な個人と40人のパーキンソン病患者の走査画像が含まれており、各個人が18枚の画像を提供しました。結果の信頼性を確保するため、彼らはデータをグループに分け、ほとんどの画像でシステムを学習させ、残りの画像でテストするというプロセスを5回繰り返すことで、性能の明確な全体像を把握しました。その結果、彼らが適応させたシステムは、約77.66パーセントの精度でパーキンソン病を識別できることが示されました。この性能は、同様のタスクに使用されている他の高度なコンピュータモデルに匹敵するか、場合によってはそれらを上回るものでした。決定的なことに、この新手法はモデルの全パラメータのうちごくわずかな部分のみを調整することで、システムの一切の部分を更新する必要がある従来のアプローチよりも、コンピュータのリソース消費を大幅に抑えることができました。

研究者たちはまた、彼らの手法を、古い有名な設計から新しいより複雑なアーキテクチャに至るまで、幅広い既存のディープラーニング・ネットワークと比較しました。彼らのシステムは、これら多くの確立されたモデルを凌駕し、強力なファンデーション・モデルへの注意深く調整された軽量な追加要素が、ゼロから新しいネットワークを訓練することよりも効果的であることを証明しました。事前学習済みモデルの主要部分を固定し、小さなアダプターのみを訓練することで、膨大な学習データを必要とせずに、一般的な視覚的知識を高度に特化した医療応用へと転移させることが可能であることを、チームは証明したのです。これは、ラベル付けされた画像を数千枚集めることが困難で高価なパーキンソン病のような疾患において、特に重要です。

システムがどのように判断を下しているかを理解するために、研究者たちはコンピュータが眼底画像のどの領域に注目しているかを強調する可視化技術を用いました。生成された画像は、彼らのモデルが疾患に関連する特定の微細な病変や構造的変化に細心の注意を払っている一方で、他のモデルは時として関連性の低い領域に注目していることを明らかにしました。このことは、3つのアダプターがシステムを正しい特徴の学習へと適切に導いたことを示唆しています。本研究は、このアプローチが、高い精度と計算効率のバランスを取りながら、自動疾患検出に向けた有望な道筋を提供することを結論付けています。この研究は重要な一歩ではありますが、研究者たちは、この手法が異なる集団や撮像条件においても一貫して機能することを確認するために、将来の研究では他の医療センターのデータを用いて検証する必要があると述べています。