マムモグラフィ画像における乳がん検出のための機械学習アルゴリズム：比較研究

世界中で女性に最も多く見られるがんは乳がんであり、2018年の新規症例の約12％およびがん死の6.5％を占めていた。マンモグラフィー検診は乳がんの早期発見において極めて重要である。マンモグラフィ画像の評価は、専門的な経験や人的誤差による著しいばらつきを伴う複雑な作業であり、これを支援するツールの導入により、信頼性および正確性の向上が期待できる。医療画像解析における深層学習の活用は近年顕著に増加しており、専門家が疾患の早期発見、診断、治療、予後評価において支援を受けられるようになっている。本研究では、CBIS-DDSMデータセットから得たデジタルマンモグラフィ画像を用いて、XGBoostとVGG16の乳がん検出性能を比較した。さらに、専門家が注釈を付与した腫瘍領域（ROI: Region of Interest）に基づいて抽出した画像パッチと、全体画像との間での予測精度の比較も実施した。また、データの多様性を活用し、未加工の原始データから特徴を抽出・学習する能力を高めるため、転移学習（transfer learning）とデータ拡張（data augmentation）の実験も行った。実験の結果、XGBoostはAUC 68.29％を達成したのに対し、VGG16はAUC 68.24％とほぼ同等の性能を示した。