ポリープセグメンテーションは医療画像分野における重要な課題であり、分類マスクの品質を向上させるために多数の手法が提案されてきた。現在の最先端技術は優れた結果を示しているものの、モデルのサイズおよび計算コストの大きさが実用的な産業応用において課題となっている。近年、Segment Anything Model（SAM）という堅牢な基礎モデルが提案され、医療画像分野におけるセグメンテーションへの応用が期待されている。このアイデアに触発されて、本研究では計算コストの課題に対処するため、小型のセグメンテーションモデルをポリープセグメンテーションに適応させる枠組み「SAM-EG」を提案する。さらに、本研究では境界領域の処理が難しい現行のセグメンテーションモデルの課題に応じて、画像特徴にエッジ情報を統合する「エッジガイドモジュール」を導入した。広範な実験を通じて、小型モデルが最先端手法と比較して競争力のある性能を発揮することを示した。本研究の成果は、高精度かつコンパクトなモデルを構築するための有望なアプローチとして、ポリープセグメンテーションのみならず、医療画像分野全体における小型化・効率化の進展に寄与するものと期待される。