MEDICINE & AI

タイトル：A domain-adaptive deep contrastive network for magnetic resonance imaging-driven bladder cancer classification 雑誌名：NPJ Digit Med. 2026 Mar 03; doi: 10.1038/s41746-026-02499-4. Epub 2026 Mar 03. 概　要： 膀胱癌は尿路系の中で最も一般的な悪性腫瘍の一つであり、高い罹患率と死亡率に関連しています。医療画像解析の進展により、深層学習はMRIを用いた膀胱癌の自動分類において有望な結果を示していますが、臨床での展開は、施設間の分布の不一致や非筋浸潤性膀胱癌（NMIBC）と筋浸潤性膀胱癌（MIBC）間の特徴の識別性の限界により困難です。本研究では、MRIに基づく膀胱癌分類のためのドメイン適応型深層コントラストネットワーク（DADCNet）を提案します。このフレームワークは、特徴学習中にソースドメインとターゲットドメインのサンプルを共同で取り入れ、ドメイン不変でありながら識別的な表現を得ることで、施設間の一般化を改善します。また、深層コントラスト学習戦略を導入し、クラス間の分離性とクラス内のコンパクト性を強化し、より堅牢な分類を実現します。 方　法： 本研究は、MRIに基づく膀胱癌分類のためのドメイン適応型深層コントラストネットワーク（DADCNet）を提案しています。DADCNetは、特徴学習においてソースドメインとターゲットドメインのサンプルを組み合わせて使用し、ドメイン不変で識別的な表現を獲得します。さらに、深層コントラスト学習戦略を用いて、クラス間の分離性を高め、クラス内のコンパクト性を向上させることを目指しています。 結　果： DADCNetは、マルチセンターの膀胱癌MRIデータセットで実施された実験において、既存の畳み込みニューラルネットワークおよびトランスフォーマーベースの手法を一貫して上回り、精度0.955、F1スコア0.955、曲線下面積（AUC）0.991を達成しました。 結　論： DADCNetは、MRIを用いた膀胱癌の分類において高い精度を示し、施設間の一般化能力を向上させる可能性があることが示されました。このアプローチは、膀胱癌の診断における深層学習の有用性を強調しています。