超音波による集団知能に基づく乳腺病変のサブタイプ分類
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：Subtyping breast lesions via collective intelligence based long-tailed recognition in ultrasound
雑誌名：Med Image Anal. 2025 May; 102: 103548.
概 要：
本研究は、乳腺病変の多様な組織型を認識することが、患者ケアの最適化や個別化治療戦略の促進に重要であることを示しています。従来の侵襲的生検に依存せず、超音波画像から直接病変のサブタイプを推測する手法を提案しました。異なるサブタイプの発生率は偏った長尾分布を示し、効果的な認識に課題をもたらします。そこで、臨床診断における集団知能に着想を得て、異なるバックボーンの専門知識を統合するフレームワーク「CoDE」を提案し、病変の自動サブタイプ分類の堅牢性を向上させました。実験結果では、モデルが最先端のアプローチを7.22%以上上回るF1スコアを達成しました。
方 法：
本研究は、超音波画像を用いた乳腺病変のサブタイプ分類に関するもので、クラス不均衡を考慮した二重レベルのバランスの取れた個別監視を利用しています。また、動的な知識交換を促進するバッチベースのオンライン競争蒸留モジュールを搭載しています。具体的な参加者数やデータセットの詳細は記載されていません。
結 果：
提案したモデルは、乳腺病変のデータセットにおいて、最先端の手法を7.22%以上上回るF1スコアを達成しました。このデータセットは、最大47.9:1の不均衡比を持つものであり、モデルはこの困難な状況においても高い性能を示しました。
結 論：
本研究のフレームワークは、乳腺病変のサブタイプを高精度で分類する可能性を示しており、侵襲的な生検を回避しつつ、患者に対する負担を軽減する新たなアプローチとして期待されます。