グラデーションCAMによる解釈可能なDCNNモデルを用いた舌の口内炎および口腔扁平上皮癌の自動検出
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：DCNN models with post-hoc interpretability for the automated detection of glossitis and OSCC on the tongue.
雑誌名：Sci Rep. 2025 Aug 29; 15(1): 31940.
概 要：
本研究は、舌の状態（特に口内炎と口腔扁平上皮癌）を自動的に分類するための深層畳み込みニューラルネットワーク（DCNN）モデルを開発し、Grad-CAM可視化を用いて解釈可能性を評価することを目的としています。652枚の舌の画像を正常（294枚）、口内炎（340枚）、口腔扁平上皮癌（17枚）に分類し、4つの事前学習済みDCNNアーキテクチャ（VGG16、VGG19、ResNet50、ResNet152）を転移学習で微調整しました。診断性能はAUROCを用いて評価され、年齢、性別、画像セグメンテーション戦略によるサブグループ分析も行われました。
方 法：
この研究は、652枚の舌の画像を用いたコホート研究です。画像は正常、口内炎、口腔扁平上皮癌に分類され、4つのDCNNアーキテクチャを転移学習で微調整しました。モデルの解釈可能性はGrad-CAMとスパース分析を通じて向上させ、診断性能はAUROCで評価しました。
結 果：
口内炎の分類において、VGG16（AUROC=0.8428）とVGG19（AUROC=0.8639）が良好な性能を示し、VGG16とVGG19のアンサンブルが最良の結果（AUROC=0.8731）を達成しました。口腔扁平上皮癌の検出は全モデルでほぼ完璧な性能を示し、VGG19とResNet152はAUROC=1.0000、VGG16はAUROC=0.9902を達成しました。年齢や性別による診断性能の差は有意ではなく、全画像分類がパッチごとのセグメンテーションよりも優れていました。
結 論：
Grad-CAMを用いたDCNNモデルは、舌の写真から口内炎と口腔扁平上皮癌を高精度で分類できることが示されました。AI駆動の舌診断は、遠隔医療において早期発見を促進し、口腔健康サービスへのアクセスを拡大する有用なツールとなる可能性があります。