ラベルフリー肝腫瘍セグメンテーション

本研究では、CT画像に合成腫瘍を用いることで、手動のアノテーションを必要とせずにAIモデルが肝腫瘍を正確にセグメンテーションできることを示した。我々が開発した合成腫瘍には以下の2つの特徴的な利点がある。（I）形状およびテクスチャが非常に現実的であり、医療専門家ですら本物の腫瘍と混同するほどである。（II）AIモデルの学習に効果的であり、実際の腫瘍データで訓練されたモデルと同等の肝腫瘍セグメンテーション性能を発揮する。この結果は特に意義が大きく、これまでに合成腫瘍のみを用いた研究で、実際の腫瘍と同等あるいはそれに近い性能に達した事例は存在しなかったためである。この成果は、今後、ボクセル単位での腫瘍アノテーションという膨大な手作業（数年を要するもの）を大幅に削減できる可能性を示唆している。さらに、本手法は小型（あるいは極小）の合成腫瘍を自動的に多数生成でき、早期がんの検出に不可欠な微小肝腫瘍の検出成功率の向上に貢献する可能性を秘めている。また、学習データの豊富化に加え、本研究で提案する合成戦略により、AIモデルのロバスト性を厳密に評価することが可能となる。