要約
医療画像における人工知能（AI）の登場により、脳腫瘍の診断分野において顕著な進展が実現された。本研究では、磁気共鳴画像（MRI）を用いて、垂体腫瘍、脳膜腫、膠芽腫といった代表的な脳腫瘍を同定・分類するための新しいアンサンブル手法を提案する。提示されたワークフローは、二段階のアプローチから構成されている。第一段階では、データ前処理において非自明な画像強調技術を適用し、次元削減に低ランクタッカー分解（low-rank Tucker decomposition）を用い、機械学習（ML）分類器を駆使して脳腫瘍の存在を検出およびタイプ予測する。第二段階では、トポロジカルデータ解析（TDA）の手法である恒常ホモロジー（persistent homology, PH）を活用して、MRIスキャン内に潜在的な重要領域を抽出する。このPHによる追加情報は、ML分類器の出力と組み合わせることで、腫瘍の特徴を含む可能性のある領域をドメイン専門家が特定するのに役立ち、ML予測の解釈可能性を向上させる。自動診断と比較して、この透明性は臨床現場での信頼性をさらに高め、臨床的受容に不可欠な要素となる。本システムの性能は、広く知られたMRIデータセットを用いて定量的に評価され、極端にランダム化された木（extremely randomized trees）モデルを用いた場合、全体の分類精度が97.28％を達成した。得られた有望な結果から、TDA、機械学習、および低ランク近似手法の統合は、脳腫瘍の同定および分類において効果的なアプローチであることが示され、今後の研究および臨床応用の堅固な基盤を提供するものと期待される。