透明性の探求：緑内障診断を支援するための網膜画像における説明可能な人工知能技術の比較分析
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Exploring transparency: A comparative analysis of explainable artificial intelligence techniques in retinography images to support the diagnosis of glaucoma.
雑誌名：Comput Biol Med. 2025 Feb; 185: 109556.
概 要：
本研究は、緑内障の診断を支援するために、異なるCNNアーキテクチャに対する説明可能な人工知能（XAI）技術を適用し、どの説明技術が臨床診断に最も適した解釈資源を提供するかを比較しています。緑内障は不可逆的な失明を引き起こす可能性がある神経変性眼疾患であり、早期発見が視力喪失を防ぐために重要です。自動化された緑内障検出はコンピュータビジョンの研究の焦点となっており、CNNを用いた網膜画像の分析が提案されていますが、これらのモデルはしばしば説明可能性に欠けています。本研究では、SHAP-CAM解釈マッピング（SCIM）という新しいアプローチを提案し、VGG16およびVGG19アーキテクチャに適用したCAMベースの解釈が最も効果的であることが示されました。
方 法：
本研究では、異なるCNNアーキテクチャに対して説明可能な人工知能技術を適用し、緑内障の分類を行いました。実験は眼科専門医と共同で行われ、CAMベースの解釈がVGG16およびVGG19アーキテクチャにおいて最も効果的であることが評価されました。
結 果：
SCIMアプローチを用いた実験により、CAMベースの解釈が臨床診断を支援するための最も効果的な資源であることが確認されました。専門医は、これにより診断の解釈が促進されると評価しました。
結 論：
説明可能な人工知能技術は、緑内障の診断において重要な役割を果たすことが示されました。特に、CAMベースの解釈は、眼科医が患者に対して診断を理解し正当化するための有効な手段となる可能性があります。