CNNを用いた胸部X線画像の解釈：階層的な疾患依存関係と不確実性ラベルを活用する手法

胸部X線検査は、多くの胸部疾患のスクリーニングおよび診断に不可欠な、最も一般的な診断用放射線検査の一つである。特定の病態、例えば肺結節や肺がんの検出を目的とした専用アルゴリズムが開発されてきたが、胸部X線（CXR）画像から複数の疾患を正確に検出することは依然として困難な課題である。本論文では、深層畳み込みニューラルネットワーク（CNN）を基盤とした教師ありマルチラベル分類フレームワークを提案し、14種類の代表的な胸部疾患のリスク予測を実現する。本研究では、異常所見ラベル間の依存関係を効果的に活用する最先端のCNNを訓練することでこの課題に取り組んだ。さらに、ほぼすべてのCXRデータセットに占める割合が大きい不確実なサンプルをより適切に扱うために、ラベルスムージング技術の導入を提案している。本モデルは、最近公開されたCheXpertデータセットの20万枚以上のCXR画像を用いて学習され、検証セット上で選定された5種類の病態を予測する際、平均AUC（曲線下面積）0.940を達成した。これは、これまで報告された最高のAUCスコアである。また、本手法はCheXpertコンペティションの独立したテストセット（5名の経験豊富な放射線専門医による500例のCXR画像のラベル付け済みデータ）でも評価された。その結果、平均AUC 0.930を達成し、他の3名の個別放射線専門医のうち2.6名以上を上回る性能を示した。本論文執筆時点では、この結果によりCheXpertリーダーボードで首位を獲得している。