MCADS：マルチラベル深層学習を用いた18種類の胸部X線異常の同時検出と解析

背景／目的：胸部X線撮影は胸部疾患の評価において基本的な診断ツールであるが、その解釈には多くの時間と専門的な知識が必要である。訓練を受けた放射線科医の世界的な不足により、結果の返却が遅れ治療も遅延することがある。本研究では、これらの診断課題に対応するために、18種類の異なるX線異常を自動的に識別・解釈する深層学習プラットフォームであるMulti-label Chest Abnormality Detection System（MCADS）を導入する。方法：MCADSは、TorchXRayVisionを介して事前学習済みのDenseNet121畳み込みニューラルネットワークを統合し、幅広い病態のカバーと高速な推論を両立する。画像は臨床ワークフローを中断しないよう中央サーバーで非同期に処理される。透明性と臨床医の信頼性向上のために、システムはGradient-weighted Class Activation Mapping（Grad-CAM）を用いて、各予測異常に最も影響を与える画像領域のヒートマップを重ねて表示する。システムは8つの大規模かつ公開されているデータセットで評価された。結果：多様なデータセットにおける評価で、MCADSは18の対象条件すべてで高いAUC（曲線下面積）性能指標を達成した。このプラットフォームは30秒未満で正確な複数条件の解析を一貫して行い、臨床環境に適した信頼性と速度を実証した。結論：MCADSは迅速で信頼性が高く説明可能な多異常検査を提供することで胸部X線解釈の高速化の可能性を示した。その運用により放射線科医の負担軽減や診断遅延の緩和が期待でき、データ駆動型医療環境における患者ケアの改善への道筋を提供する。