患者のメタデータと皮膚病変画像の融合による皮膚癌検出の進展
カテゴリ：診断支援・画像解析
公開日：2026年1月16日
タイトル：Advancing skin cancer detection through deep learning and fusion of patient metadata and skin lesion images.
雑誌名：Sci Rep. 2026 Jan 13; 16(1): 1968.
概 要：
近年、皮膚癌の発生率が著しく増加しており、英国のNHSおよび民間セクターにおける皮膚病変評価の待機時間も大幅に延びています。このため、皮膚病変が疑わしいか非疑わしいかを分類する自動化手法の開発が求められています。本研究では、患者のメタデータと画像データを用いて皮膚病変を分類するAIフレームワークを提案しました。79,246枚の皮膚病変画像と22のメタ特徴（病変の大きさ、色、形、患者の年齢、性別など）を収集し、3つのモデルを開発しました。融合モデルは、画像データのみの手法を大きく上回る性能を示しました。
方 法：
本研究は、19,295人の患者から収集した79,246枚の皮膚病変画像と22のメタデータを用いた研究です。皮膚病変分類のために、メタデータのみを使用したモデル、画像のみを使用したモデル、メタデータと画像を融合したモデルの3つを開発しました。主要評価指標は、感度と特異度です。
結 果：
メタデータのみのモデルは感度85.24%（±2.20%）、特異度61.12%（±0.90%）、画像のみのモデルは感度99.72%（±1.35%）、特異度63.22%（±3.11%）、融合モデルは感度99.66%（±0.28%）、特異度74.45%（±0.80%）を達成しました。最終的な投票技術による決定は、感度99.50%（±1.18%）、特異度82.72%（±1.64%）を示し、従来の手法を大きく上回りました。
結 論：
提案したAIフレームワークは、疑わしい皮膚病変の検出において大きな可能性を持ち、患者の生検の紹介を減少させることで、皮膚癌の診断と治療の待機時間を短縮し、結果的に患者の転帰を改善することが期待されます。