少量データで高精度な医療画像セグメンテーションを実現する新AIツール「GenSeg」が登場

カリフォルニア大学サンディエゴ校（UCSD）の研究チームが、極めて少ないデータで医療画像のセグメンテーション（画像内の部位を正確に分類）を学習できる新しいAIツール「GenSeg」を開発した。この技術は、従来の深層学習モデルが大量の手動ラベル付き画像を必要とする課題を克服し、実際のデータ量を最大20倍削減しながら、従来手法と同等またはそれ以上の精度を達成した。この成果は、Nature Communicationsに2025年1月に掲載された。 医療画像のセグメンテーションは、がんや異常組織を正確に特定するために不可欠だが、専門家の手によるピクセル単位のラベリングは時間とコストがかかる。特に稀な疾患や特定の医療機関では、十分なデータが存在しないのが現状だった。研究チームのリーダーである電気工学教授Pengtao Xieと博士課程学生Li Zhangらは、合成画像を生成してデータ不足を補うエンドツーエンドのフレームワークを開発。まず、ラベル付きのマスク（色分けされた画像）からリアルな合成画像を生成し、それを実際のデータと組み合わせてモデルを学習。その後、モデルの性能に基づいて合成画像をフィードバックで改善するという反復プロセスを実現した。 テストでは、皮膚腫瘍、乳腺超音波、胎児内視鏡、大腸ポリープ、足潰瘍など、さまざまな画像モダリティと疾患に適用。特にデータが極めて限られた状況下で、従来手法より10～20%の性能向上を達成。例えば、皮膚がん診断では、従来の数千枚のラベル画像が必要だったのが、わずか40枚程度で済む可能性がある。 研究チームは、今後臨床医のフィードバックを直接モデルに組み込むことで、より実用的で臨床に即したAI開発を目指す。この技術は、リソースが限られた医療現場での迅速な診断支援や、新疾患への対応を可能にし、AIを医療現場に広く普及させる鍵となる。