不確実性を考慮したマルチモーダル超音波画像を用いた甲状腺結節の深層学習による分類
カテゴリ：診断支援・画像解析
公開日：2026年1月13日
タイトル：Deep learning-based classification of thyroid nodules using uncertainty-aware multi-modal ultrasound imaging
雑誌名：Sci Rep. 2026 Jan 12; doi: 10.1038/s41598-026-35965-w. Epub 2026 Jan 12.
概 要：
この研究は、甲状腺癌の早期診断において重要な甲状腺結節の正確な鑑別を目的としています。最近の研究では、深層学習を用いたグレースケール超音波が良性と悪性の甲状腺結節を区別するために利用されています。本研究では、Bモード、カラードップラー（CD）、およびせん断波エラストグラフィ（SWE）を組み合わせたマルチモーダル超音波画像を用い、カスタマイズされた深層学習アーキテクチャで甲状腺結節の分類性能を向上させることを目指しました。506の甲状腺結節を422人の被験者から取得し、提案したネットワークは、MobileNetV2を基盤とし、深さ別の可分畳み込み層、注意に基づく混合プーリング、特注の自己注意メカニズムを組み合わせました。最終的に、分類精度0.95、感度0.98、ROC曲線下面積（AUC）0.97、特異度0.92、F1スコア0.95を達成しました。
方 法：
この研究は、422人の被験者から取得した506の甲状腺結節を対象とした前向き研究です。提案したネットワークは、MobileNetV2を基盤にし、深さ別の可分畳み込み層、注意に基づく混合プーリング、自己注意メカニズムを用いて構成されています。主要評価指標は、分類精度0.95、感度0.98、AUC 0.97、特異度0.92、F1スコア0.95です。
結 果：
提案したネットワークは、マルチモーダル画像を用いることで、AUC 0.97を達成し、単一モーダル（AUC範囲：0.73-0.90）や二重モーダル（AUC範囲：0.90-0.97）データと比較して性能が向上しました。また、提案したネットワークは、最先端の深層学習ネットワークと同等またはそれ以上の性能を示しました（AUC範囲：0.82-0.97）。
結 論：
マルチモーダル超音波画像とカスタマイズされた深層学習ネットワークの統合により、甲状腺結節の分類性能が効果的かつ効率的に向上し、診断性能の改善が期待されます。