[論文レビュー] MultiTask Learning AI system to assist BCC diagnosis with dual explanation

Iván Matas, Carmen Serrano+4 more|arXiv (Cornell University)|Jun 27, 2024

Cutaneous Melanoma Detection and Management被引用数 4

ひとこと要約

本論文は、遠隔皮膚科診療における基底細胞癌（BCC）診断のためのマルチタスク深層学習AIシステムを提示する。本システムは、二値分類（BCC／非BCC）と、皮膚科医が注目する特徴に基づく解釈可能（Grad-CAM）を統合している。モデルは分類で90％の正確性、臨床的に重要なBCCパターンの検出で99％の正確性を達成し、Grad-CAMの注目領域が皮膚科医がセグメンテーションした領域と強く一致している（内部平均活性化0.57 vs. 外部0.16）ことから、高い解釈可能性と臨床的妥当性を示している。

ABSTRACT

Basal cell carcinoma (BCC) accounts for about 75% of skin cancers. The adoption of teledermatology protocols in Spanish public hospitals has increased dermatologists' workload, motivating the development of AI tools for lesion prioritization. However, limited transparency in current systems hinders clinical acceptance. This study proposes an AI system for BCC detection from dermoscopic images that integrates dermatologist diagnostic criteria based on specific dermoscopic patterns. We analyzed 1559 dermoscopic images from 60 primary care centers annotated by four dermatologists for seven BCC patterns. An Expectation-Maximization consensus algorithm was used to build a unified standard reference. A multitask learning model based on MobileNet-V2 was developed to classify lesions and identify clinically relevant patterns, supported by Grad-CAM visual explanations. The system achieved 90% accuracy in BCC classification (precision 0.90, recall 0.89). Clinically relevant BCC patterns were correctly detected in 99% of positive cases, and the pigment network exclusion criterion was satisfied in 95% of non-BCC cases. Grad-CAM maps showed strong spatial agreement with dermatologist-defined regions. The proposed system combines accurate BCC detection with transparent pattern-based explanations, helping bridge the gap between AI performance and clinical trust in teledermatology.

研究の動機と目的

• 遠隔皮膚科診療におけるBCC診断のための解釈可能なAIツールを開発し、診断の遅延を低減し、専門医への紹介を最適化すること。
• 皮膚科医がアノテートした皮膚鏡的特徴を統合することで、臨床的知識を組み込んだモデルの解釈可能性を向上させること。
• Grad-CAMを用いて生成されたAIの注目マップと臨床的に重要な病変特徴との一致度を定量的指標で評価すること。
• 特にスプーンホイールやメイプルリーフ様など、代表が少ないパターンを含むBCCデータセットにおけるクラス不均衡を、データ拡張とクラス重み付き学習で緩和すること。
• 医師がガイドする分析とGrad-CAM活性化の確率密度関数を用いて、モデルの説明の臨床的妥当性を検証すること。

提案手法

• マルチタスク深層学習フレームワークを用い、同時に二値分類（BCC／非BCC）と複数の皮膚鏡的特徴（例：色素ネットワーク、潰瘍、マルチグロブール）の検出を実行する。
• モデルはGrad-CAMを用いてクラス活性化マップを生成し、皮膚科医がセグメンテーションした臨床的関心領域と照合することで、注目領域の一致度を評価する。
• 期待値最大化（EM）アルゴリズムを用いて、4名の皮膚科医によるアノテーションから、皮膚鏡的特徴のコンSENSUSの真値を推定し、明確な真値が存在しない問題に対処する。
• 皮膚科医がセグメンテーションした領域内（Fg）および外（Bg）における正規化されたGrad-CAM値の条件付き確率密度関数を推定し、注目度の定量的評価を行う。
• クラス重み付き交差エントロピー損失とデータ拡張を用いて、特にスプーンホイールやメイプルリーフ様など、代表が少ないパターンのデータセットにおけるクラス不均衡を緩和する。
• 皮膚科医がアノテートした病変パターンに重ねてGrad-CAMマップを表示し、平均活性化と確率分布の重複度を用いて空間的整合性を評価することで、臨床的インスピレーションに基づくXAIを実装する。

Figure 1: Illustration showing the current workflow of BCC diagnosis by teledermatology in orange and the proposed workflow in green.

実験結果

リサーチクエスチョン

• RQ1 マルチタスク深層学習モデルは、臨床的に解釈可能な説明を提供しつつ、BCC／非BCC分類において高い正確性を達成できるか？
• RQ2 Grad-CAMで測定されたモデルの注目度は、BCC病変における皮膚科医が注目した領域とどの程度一致するか？
• RQ3 本モデルは、臨床的BCC診断に用いられる特定の皮膚鏡的特徴をどの程度正確に検出できるか？また、専門家のコンセンサスと比較するとどうなるか？
• RQ4 医師がアノテートしたパターンの統合は、AIの説明の信頼性と臨床的妥当性を向上させるか？
• RQ5 臨床的に関連する病変領域内と外におけるGrad-CAM活性化強度の定量的関係は何か？

主な発見

• BCC／非BCC二値分類は90％の正確性を達成し、再現率は0.89、特異度は0.89であった。
• 少なくとも1つの臨床的に重要なBCCパターンを有する病変を評価した場合、そのパターン検出の正確性は99％に達した。
• 臨床的インスピレーションに基づくXAIにおいて、皮膚科医がセグメンテーションした領域内（Fg）の平均Grad-CAM活性化は0.57であったのに対し、外部（Bg）では0.16であった。これは、関連する特徴に強く注目していることを示している。
• 正しい予測において、Fg領域内とBg領域外のGrad-CAM値の条件付き確率密度関数の重複面積は0.24であった。これは、正しいケースでは注目度の一致度が高かったことを示している。
• 誤った予測では、Fg領域内の平均活性化は0.33（対照的に0.57）であり、重複面積は0.32（対照的に0.24）であった。これは、誤分類ケースでは臨床的特徴に適切に注目できていないことを示している。
• 色素ネットワーク検出に関しては、高い正確性（0.97）と再現率（0.94）を示したが、潰瘍やマルチグロブールはそれぞれ正確性が0.52および0.32にとどまり、希少または曖昧なパターンの検出に課題があることが示された。

Figure 2: BCC dermoscopic criteria and Pigment Network as a negative criterion.