MEDICINE & AI

タイトル：Exceptional performance with minimal data using a generative adversarial network for alzheimer's disease classification. 雑誌名：Sci Rep. 2024 Jul 24; 14(1): 17037. 概　要： 本研究は、アルツハイマー病（AD）の分類におけるデータ不足の問題に対処するため、生成的敵対ネットワーク（GAN）の統合を提案しています。医療画像データセットは患者プライバシーに関する厳しい規制により入手が難しく、オープンアクセスのデータベースもクラスの不均衡が問題です。本研究では、OASISデータベースからの実験データを使用し、GANモデルを訓練して合成MRIデータを生成し、事前学習された畳み込みニューラルネットワーク（CNN）モデルに組み込むことで、80%以上のAD分類精度を達成しました。GANの優れた性能は、AD分類におけるデータ不足の課題を克服するための解決策となることを示しています。 方　法： この研究は、OASISデータベースからの実験データを用いたコホート研究です。GANを使用して合成MRIデータを生成し、その後、事前学習されたCNNモデルに組み込んでADの多段階分類を行いました。主要評価指標は、AD分類精度であり、80%以上の精度を達成しました。 結　果： 本研究では、生成的敵対ネットワークを用いることで、データセットを減少させても80%以上のアルツハイマー病分類精度を達成できることが示されました。GANによる合成データ生成が、データ不足の問題を克服する手段として有効であることが確認されました。 結　論： 生成的敵対ネットワークは、アルツハイマー病の分類においてデータ不足の課題を克服するための有力な手段であり、今後の研究や臨床応用において重要な役割を果たす可能性があります。