頭頸部がん検出のためのクロスセンターマルチレベルドメイン適応ネットワーク
Towards cross-center head and neck cancer detection: a multi-level domain alignment exploration
深層学習を用いた頭頸部がん(HNC)のCT画像からの検出は早期発見に有望であるが、病院間のスキャナーやプロトコル、再構成カーネル、患者層の違いから、クロスセンターでの展開は困難である。この課題に対し、クロスセンター3D CT分類のためのマルチレベルドメイン汎化フレームワークであるMDA-Netが提案された。MDA-Netは、入力レベルでの逆周波数重み付きサンプリング、フーリエドメイン適応(FDA)、Mixup拡張、特徴レベルでのIBN強化3D ResNet-18、DANN、CORAL、最適化レベルでのSharpness-Aware Minimization(SAM)とStochastic Weight Averaging(SWA)を統合する。3つの病院から収集した1,081例のマルチセンターデータセットで評価した結果、主要なターゲットドメインにおいてAUCを0.5121から0.5869に、ACCを0.4829から0.6000に向上させた。この結果は、MDA-NetがクロスセンターHNC検出のための、プライバシーを保護し計算効率の良いドメイン汎化戦略であることを示している。
- MDA-Netがクロスセンター3D CT分類用のマルチレベルドメイン汎化フレームワークとして提案され、主要ターゲットドメインでAUCが0.5121から0.5869に、ACCが0.4829から0.6000に向上した
- 3つの病院から収集した1,081例のマルチセンターデータセットで評価が行われた
医療AIの実用化において、クロスセンター(病院間)での性能劣化は最大の障壁の一つ。MDA-Netはドメイン汎化を複数レベルで統合し、AUC・ACCの大幅改善を実証しており、医療AIの商用展開・臨床導入を目指すスタートアップにとって重要な技術的進展。データ共有なしでプライバシーを保護しつつ汎化性能を高めるアプローチは、医療AI製品の市場拡大に直結する可能性がある。