Vision Transformer-IPCNNとU-Netセグメンテーションを用いた肺がん分類と重症度推定
Lung cancer classification and severity estimation using vision transformer-IPCNN with enhanced U-Net segmentation
肺がんの早期発見のため、機械学習(ML)および深層学習(DL)に基づく自動診断技術が開発されているが、偽陽性率の高さや感度の低さなどの限界があった。これに対処するため、改良型ウィーナーフィルタリング(IWF)による前処理、修正型TransUNet(MTransUNet)によるセグメンテーション、そして改良型並列畳み込みニューラルネットワーク(IPCNN)とVision Transformer(ViT)を組み合わせたIPCNN-ViTモデルによる分類と重症度推定を行う、LCCSE-IPCNN-ViTモデルが提案された。このモデルは、精度97.3%、感度97.8%、特異度96.8%、適合率96.8%、F値97.3%、ROC-AUC 98.5%を達成し、肺がんの正確かつ効率的な分類と重症度推定を示し、早期診断支援の可能性を示唆している。
- 改良型ウィーナーフィルタリング(IWF)による前処理、修正型TransUNet(MTransUNet)によるセグメンテーション、IPCNNとVision Transformer(ViT)を組み合わせたIPCNN-ViTモデルによる分類・重症度推定を行うLCCSE-IPCNN-ViTモデルが提案された。
- 提案モデルは精度97.3%、感度97.8%、特異度96.8%、適合率96.8%、F値97.3%、ROC-AUC 98.5%を達成し、肺がんの正確かつ効率的な分類と重症度推定を示した。
- 既存のML/DLベース自動診断は偽陽性率の高さや感度の低さという限界があり、それを克服する手法として位置づけられている。
医療画像診断AIの研究報告であり、肺がん分類で精度97.3%・感度97.8%・ROC-AUC98.5%という高水準を達成した点は注目に値する。ただし提案モデルは研究段階のアルゴリズムであり、臨床承認・商用化・導入企業の動向には触れていないため、直接の投資対象は見えにくい。投資家としては、この種のセグメンテーション+ViT系モデルの精度向上が医療AIの規制承認・保険償還・画像診断ワークフローへの組み込みを早めるか、ひいては医療画像AI市場の成長を加速させるかの波及経路を注視すべき。研究段階の成果であり短期的な銘柄判断材料にはならない点は留意が必要。