皮膚科的に情報を得た深層学習モデルによる日光角化症と皮膚扁平上皮癌の分類
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Dermoscopically informed deep learning model for classification of actinic keratosis and cutaneous squamous cell carcinoma
雑誌名：Sci Rep. 2025 Dec 03; 16(1): 1381.
概 要：
この研究は、日光角化症（AK）と皮膚扁平上皮癌（cSCC）の正確な鑑別が治療計画において重要であることを背景に、皮膚科における画像診断を自動化するための深層学習モデルを開発しました。従来のモデルは生の画像に依存しており、臨床的な推論を導く皮膚鏡的特徴を見落としていました。本研究では、皮膚鏡画像を用いてAKとcSCCを分類するために、デュアルブランチアーキテクチャを持つCNNモデルを設計し、血管および角化パターンを強化するための前処理を統合しました。2,000枚の画像から成るデータセットを用い、約200,000のトレーニングインスタンスを生成しました。
方 法：
この研究は、皮膚鏡画像を用いたコホート研究で、2,000枚の画像を基にしたCNNモデルを開発しました。デュアルブランチアーキテクチャを採用し、EfficientNetB0バックボーンをRGB入力に使用し、追加の2つのチャンネルを軽量な畳み込みブランチで処理しました。モデルは、10回の反復ホールドアウト検証を通じて評価されました。
結 果：
最良のモデルは、98.61%の精度、98.33%の感度、98.90%の特異度、98.90%の精度、98.61%のF1スコア、0.3120の損失を達成しました。これらの結果は、従来のモデルを上回り、臨床的に情報を得た前処理がCNNの性能を大幅に向上させることを示しました。
結 論：
このアプローチは、AKとcSCCをより自信を持って正確に鑑別するために皮膚科医を支援する臨床に沿ったAIシステムの一歩を示しています。