MEDICINE & AI

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： 日光角化症（AK）と皮膚扁平上皮癌（cSCC）の正確な鑑別は、効果的な治療計画において重要です。組織病理学が金標準ですが、日常的な生検は実用的でない場合が多く、皮膚鏡評価は重複する特徴により診断の不確実性をもたらします。本研究では、皮膚鏡画像を用いてAKとcSCCを分類するためのCNNベースのモデルを開発しました。このモデルは、RGB入力用のEfficientNetB0バックボーンと、血管および角化パターンを強化するための追加チャネル用の軽量畳み込みブランチを組み合わせた二重ブランチアーキテクチャを統合しています。データセットは2,000枚の画像から構成され、幾何学的および深層学習に基づく拡張により、約200,000のトレーニングインスタンスに拡大されました。 方　法： この研究は、皮膚鏡画像を用いたCNNモデルの開発を行い、AKとcSCCの分類を目的としたコホート研究です。データセットは2,000枚の画像から成り、幾何学的および深層学習に基づくデータ拡張を行い、モデルは約200,000のトレーニングインスタンスで訓練されました。評価指標として、精度、感度、特異度、精度、F1スコアを使用しました。 結　果： 最良のモデルは、精度98.61%、感度98.33%、特異度98.90%、精度98.90%、F1スコア98.61%、損失0.3120を達成しました。これらの結果は、これまでのモデルを上回り、臨床に基づく前処理を取り入れることでCNNの性能が大幅に向上することを示しています。 結　論： このアプローチは、皮膚科医がAKとcSCCをより自信を持って正確に区別するための臨床に整合したAIシステムの一歩を示しています。