説明可能な人工知能を活用した深層ニューラルアーキテクチャによる婦人科癌の正確かつ早期診断
カテゴリ：医療現場の業務効率化
公開日：2026年6月12日
タイトル：Deep neural architecture empowered by explainable artificial intelligence for accurate and early diagnosis of gynaecological cancer using medical images.
雑誌名：Sci Rep. 2026 Jun 11; doi: 10.1038/s41598-026-57070-8.
概 要：
この研究は、婦人科癌（子宮内膜癌、卵巣癌、子宮頸癌）の早期診断を目的とした深層ニューラルアーキテクチャ（DNAE-ADGC）を提案しています。癌の早期分析は治療の効果を高めるために必要であり、特に子宮頸癌では効率的なスクリーニングが推奨されています。しかし、医療画像の解釈は人為的な誤りが生じやすいです。本研究では、医療画像を用いた正確で効率的な検出フレームワークを開発し、AIモデルの透明性と信頼性を高めるために説明可能な人工知能（XAI）技術を適用しました。
方 法：
本研究では、医療画像の前処理において、中央値修正ウィーナーフィルタ（MMWF）とクロスガイドバイラテラルフィルタ（CGBF）を用いた二段階アプローチを採用しました。特徴抽出にはMobileNetV3Largeモデルを使用し、婦人科癌の検出と分類にはグラフ畳み込みネットワークとゲーテッドリカレントユニット（GCN-GRU）ネットワークを適用しました。最終的に、Grad-CAMを用いてAIモデルの透明性と解釈可能性を向上させました。
結 果：
DNAE-ADGC法は、Malhariデータセットにおいて他の手法と比較して97.92%の精度を達成しました。この結果は、提案したモデルの優れた性能を示しています。
結 論：
DNAE-ADGCモデルは、婦人科癌の診断において高い精度を持ち、医療現場での実用化が期待されます。説明可能なAI技術の適用により、診断の透明性と信頼性が向上し、臨床意思決定を支援する可能性があります。