MEDICINE & AI

タイトル：Medical SAM adapter: Adapting segment anything model for medical image segmentation. 雑誌名：Med Image Anal. 2025 May; 102: 103547. 概　要： 本研究では、セグメント・エニシング・モデル（SAM）の医療画像セグメンテーションへの適応を目指し、Medical SAM Adapter（Med-SA）を提案します。SAMは多様なセグメンテーションタスクで優れた能力を示していますが、医療画像に特化した知識が不足しているため、医療画像セグメンテーションでは性能が低下します。Med-SAは、SAMモデルの微調整ではなく、医療特有の知識を取り入れた軽量かつ効果的な適応技術を使用します。また、2D SAMを3D医療画像に適応させるためのSpace-Depth Transpose（SD-Trans）や、プロンプト条件付き適応を実現するHyper-Prompting Adapter（HyP-Adpt）を提案します。17の医療画像セグメンテーションタスクにおける包括的な評価実験により、Med-SAはSAMパラメータのわずか2%（1300万）を更新するだけで優れた性能を示しました。 方　法： 本研究は、SAMを医療画像セグメンテーションに適応させるための新しい手法、Medical SAM Adapter（Med-SA）を提案しています。Med-SAは、医療特有の知識を取り入れた軽量な適応技術を使用し、2D SAMを3D医療画像に適応させるSD-Transと、プロンプト条件付き適応を実現するHyP-Adptを組み合わせています。評価は17の医療画像セグメンテーションタスクで行われました。 結　果： Med-SAは、17の異なる医療画像セグメンテーションタスクにおいて、優れた性能を示しました。SAMパラメータのわずか2%（1300万）の更新で、医療画像に特化した知識を取り入れることに成功し、医療画像セグメンテーションの精度を向上させました。 結　論： Medical SAM Adapter（Med-SA）は、医療画像セグメンテーションにおけるSAMの性能を向上させる新しいアプローチを提供します。軽量な適応技術により、医療特有の知識を効果的に統合し、医療画像に対するセグメンテーション能力を強化することができると示されました。