MEDICINE & AI

タイトル：A fine-tuned foundational model SurgiSAM2 for surgical video anatomy segmentation and detection 雑誌名：Sci Rep. 2025 Oct 15; 15(1): 35961. doi: 10.1038/s41598-025-11759-4. Epub 2025 Oct 15. 概　要： 本研究では、外科手術シーンの理解を目的として、基盤セグメンテーションモデルであるSAM 2の解剖学的組織のセマンティックセグメンテーション能力を評価しました。5つの公開データセットを用いて、SAM 2を微調整し、手術動画や画像における解剖学的組織のセグメンテーションを行いました。データ取得の現実的制約を考慮し、クラスごとに50から400サンプルの範囲でトレーニングサブセットを制限しました。微調整後、SurgiSAM 2は、基準のSAM 2に対して17.9%の相対WMDC向上を示し、特に10ポイントのプロンプトと400サンプルで最良のWMDC 0.92を達成しました。このモデルは、テストサブセットにおいて、以前の最先端技術(SOTA)を24/30のクラスで上回りました。 方　法： 本研究は、5つの公開データセットを用いたコホート研究で、SAM 2の画像エンコーダーとマスクデコーダーを微調整しました。トレーニングサブセットは、クラスごとに50から400サンプルに制限し、データセットサイズが微調整性能に与える影響を評価しました。主要評価指標は、加重平均ダイス係数(WMDC)です。 結　果： SurgiSAM 2は、基準のSAM 2に対して17.9%の相対WMDC向上を示し、最良のWMDC 0.92を達成しました。テストサブセットでは、以前のSOTAを24/30のクラスで上回り、10ポイントのプロンプトを使用した際のWMDCは0.91でした。また、見たことのない臓器クラスにも効果的に一般化し、7/9のクラスでSOTAを達成しました。 結　論： SurgiSAM 2は、外科手術シーンのセグメンテーションにおいて、ゼロショットおよび微調整された性能が優れており、以前の最先端モデルを超える結果を示しました。このモデルは、自動または半自動の注釈パイプラインを可能にし、外科的応用における注釈の負担を軽減する大きな可能性を示唆しています。