MEDICINE & AI

タイトル：Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement 雑誌名：IEEE Trans Med Imaging. 2026 Aug 27; PP: doi: 10.1109/TMI.2026.3727981. 概　要： 本研究は、認知症の病因診断におけるAIの課題を克服するため、協調メタ知識強化（COME）フレームワークを提案します。従来のマルチタスク学習では、データの異質性に対処するための重要なメタ情報が考慮されていませんでした。COMEは、複数のセンターからの取得セマンティクスやモダリティ指標を統合したTransformerアーキテクチャに組み込み、データセットのスケールアップを実現します。これにより、異質性を明示的にモデル化し、トレーニング中の偽相関を抑制します。 方　法： 本研究は、7つの独立したコホートを対象にした研究で、COMEフレームワークを用いてデータの異質性を考慮したモデルを訓練しました。主要評価指標は、平均マクロ平均AUCで85.62%を達成し、最強のベースラインに対して4.29ポイントの改善を示しました。 結　果： COMEフレームワークは、7つの独立したコホートにおいて、平均マクロ平均AUC 85.62%を達成し、最強のベースラインに対して4.29ポイントの向上を示しました。また、異なるセンターやシーケンスにおいても優れた一般化性能を維持しました。モデルの予測は、確立されたバイオマーカー（アミロイド、タウ）や臨床的重症度と一致しており、COMEの堅牢性と解釈可能性を支持しています。 結　論： COMEフレームワークは、認知症の病因診断において高い精度を示し、異質性を考慮したアプローチが有効であることを示しました。この手法は、複数のセンターでの認知症病因分析において有用であり、臨床現場での応用が期待されます。