[論文レビュー] Ensembles of Radial Basis Function Networks for Spectroscopic Detection of Cervical Pre-Cancer

Kagan Tumer, Nirmala Ramanujam+2 more|ArXiv.org|May 20, 1999

Spectroscopy Techniques in Biomedical and Chemical Research参考文献 15被引用数 5

ひとこと要約

本論文は、生体内蛍光スペクトロスコピーを用いた子宮頸がん前がん病変の検出精度を向上させるために、径方向基底関数（RBF）ネットワークのアンサンブルを提案する。337 nm、380 nm、460 nmの励起波長における組織の蛍光を分析することで、個々のRBFネットワーク、多変量統計的手法、人的専門家よりも高い感度と特異度を達成した。これにより、自動的でニアリアルタイムの前がんスクリーニングが可能となり、信頼性が向上した。

ABSTRACT

The mortality related to cervical cancer can be substantially reduced through early detection and treatment. However, current detection techniques, such as Pap smear and colposcopy, fail to achieve a concurrently high sensitivity and specificity. In vivo fluorescence spectroscopy is a technique which quickly, non-invasively and quantitatively probes the biochemical and morphological changes that occur in pre-cancerous tissue. A multivariate statistical algorithm was used to extract clinically useful information from tissue spectra acquired from 361 cervical sites from 95 patients at 337, 380 and 460 nm excitation wavelengths. The multivariate statistical analysis was also employed to reduce the number of fluorescence excitation-emission wavelength pairs required to discriminate healthy tissue samples from pre-cancerous tissue samples. The use of connectionist methods such as multi layered perceptrons, radial basis function networks, and ensembles of such networks was investigated. RBF ensemble algorithms based on fluorescence spectra potentially provide automated, and near real-time implementation of pre-cancer detection in the hands of non-experts. The results are more reliable, direct and accurate than those achieved by either human experts or multivariate statistical algorithms.

研究の動機と目的

• パピルロームウイルス検査やコルポスコピーなどの現在の子宮頸がんスクリーニング法に見られる、高い感度と特異度の両立の欠如という限界を是正すること。
• 生体内蛍光スペクトロスコピーのデータを用いて、自動的でリアルタイムの子宮頸がん前がん病変の検出システムを構築すること。
• 多変量スペクトルデータにRBFネットワークを用いたアンサンブル学習を活用することで、診断精度を向上させること。
• 健常組織と前がん病変組織の間の識別性能を維持したまま、必要な励起-放出波長ペアの数を削減すること。

提案手法

• 本研究では、95名の患者から得られた361個の子宮頸部組織部位の生体内蛍光スペクトロスコピーのデータを、3つの励起波長（337 nm、380 nm、460 nm）で収集した。
• 多変量統計解析を用いて、関連する励起-放出波長ペアの数を削減し、最も情報量の多いスペクトル特徴に焦点を当てた。
• 削減されたスペクトルデータを用いて、径方向基底関数（RBF）ネットワークを訓練し、組織を健常または前がん病変に分類した。
• アンサンブル手法により、多数のRBFネットワークを投票または平均化の戦略で統合し、一般化性能と耐障害性を向上させた。
• アンサンブル手法を個々のRBFネットワーク、多変量統計アルゴリズム、人的専門家の読影結果と比較した。
• 感度、特異度、受検者操作特性曲線（ROC）下の面積といった標準的な指標を用いて、性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 RBFネットワークのアンサンブルは、蛍光スペクトロスコピーのデータから子宮頸がん前がん病変を分類する際、個々のRBFネットワークを上回る性能を示すか？
• RQ2 多変量統計解析を用いることで、分類精度を損なわずに必要なスペクトル波長ペアの数を効果的に削減できるか？
• RQ3 アンサンブルRBFアプローチは、人的専門家や従来の多変量統計的手法と比較して、前がん病変組織の検出においてどの程度優れた性能を示すか？
• RQ4 アンサンブルRBFモデルは、臨床現場において、自動的でニアリアルタイムの前がん病変検出をどの程度可能にするか？

主な発見

• アンサンブルRBFネットワークは、個々のRBFネットワーク、多変量統計アルゴリズム、人的専門家の読影結果よりも、子宮頸がん前がん病変の検出において高い感度と特異度を達成した。
• 分類精度を維持したまま、必要な励起-放出波長ペアの数を効果的に削減することができた。
• ノイズが多いまたは変動のあるスペクトルデータに対しても、単一モデルアプローチに比べて、信頼性と耐障害性が向上した。
• 本システムは、非専門家が臨床現場に導入可能な、自動的でニアリアルタイムの組織状態分類を可能にした。
• 結果から、RBFアンサンブルのような接続主義的手法が、従来の統計的手法や人的専門家ベースの手法よりも、より正確で直接的な前がん病変検出を実現できることが示された。