説明可能なAIを活用した転移学習とビジョントランスフォーマーのアンサンブルアプローチによる疾病診断：スマートヘルスケア5.0への進展
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Ensemble approach of transfer learning and vision transformer leveraging explainable AI for disease diagnosis: An advancement towards smart healthcare 5.0.
雑誌名：Comput Biol Med. 2024 Sep; 179: 108874.
概 要：
本研究は、スマートヘルスケアの進展に向けて、説明可能なAI（EXAI）を用いた疾病診断のアプローチを提案しています。転移学習、ビジョントランスフォーマー、EXAIを組み合わせたアンサンブルモデルを設計し、アルツハイマー病のデータセットを用いてその性能を評価しました。従来の転移学習モデルとアンサンブルモデルの比較を行い、アンサンブルモデルが転移学習モデルに対して優れた結果を示すことを明らかにしました。
方 法：
この研究は、アルツハイマー病に関するデータセット（ADNI）を使用した実験を行いました。InceptionV3、VGG19、Resnet50、Densenet121の転移学習モデルをビジョントランスフォーマーと組み合わせてアンサンブルモデルを構築しました。主要評価指標として、精度、適合率、再現率、F1スコアを用いました。
結 果：
転移学習モデルの精度は58%、適合率は52%、再現率は42%、F1スコアは44%でした。一方、アンサンブル転移学習モデルは、精度96%、適合率94%、再現率90%、F1スコア92%を達成し、アンサンブルモデルの有効性を示しました。
結 論：
アンサンブルモデルは、転移学習モデルに比べて大幅に性能が向上し、疾病診断における説明可能なAIの有用性を示しました。このアプローチは、スマートヘルスケアの実現に向けた重要なステップとなる可能性があります。