肝細胞がん（HCC）は、世界中でがん死因の第3位を占めており、患者の生存率を向上させるために早期診断の改善が急務である。現在、経済性とリアルタイム性に優れるため、超音波検査が主なスクリーニング法として広く用いられているが、その感度（59％～78％）は放射線専門医の経験に大きく依存しており、診断結果の不一致や業務効率の低下を引き起こしている。近年のAI技術の進展により、こうした課題を克服する可能性が示されつつある。本研究では、潜在空間表現とスパース学習を用いて、CNNによる局所特徴抽出とVision Transformerによるグローバルな文脈理解を統合する新しいハイブリッドアーキテクチャ「階層的スパースクエリトランスフォーマー（HSQformer）」を提案する。Mixture-of-Experts（MoE）フレームワークにより、タスクに応じたエキスパートを動的に活性化することで、構造的冗長性を回避しつつ階層的な特徴統合を実現している。単一施設、多施設、高リスク患者群の3つの臨床状況において評価した結果、HSQformerは最先端モデル（多施設テストでAUC 95.38％）を上回り、ベテラン放射線専門医と同等の診断精度を達成するとともに、若手医師を大きく上回った。これらの結果は、AI支援ツールがHCCスクリーニングの標準化を実現し、人的専門性への依存を軽減し、早期診断率の向上に貢献する可能性を示している。本研究の完全なコードは、https://github.com/Asunatan/HSQformer にて公開されている。