AIと神経難病・神経免疫疾患 ── 多発性硬化症 ── 2026-10-30
多発性硬化症の治療・治験とAI
- DenseGated-MSNet: A Multi-Sequence Gated Fusion Network for Multiple Sclerosis Classification from Brain MRI抄録（全訳）
背景・目的： 多発性硬化症（MS）は、中枢神経系の慢性の脱髄疾患である。その診断と経過観察では、磁気共鳴画像（MRI）が中心的な役割を担う。MRIのシーケンスが違えば、MSに関連する病理について互いに補い合う情報が得られる。そのため、複数のシーケンスを合わせて使えば、自動分類を改善できる可能性がある。しかし、既存のMS自動分類研究の多くには課題が三つある。まず、使うシーケンスの情報が限られている。次に、被験者独立のプロトコルでの評価が一貫して行われていない。さらに、被験者単位で整理した多シーケンスの公開データセットが乏しい。
方法：これらの課題に対応するため、新しい多シーケンス脳MRIデータセットを集めて公開した。あわせて、MSと非MSを分類する、エンドツーエンドで複数入力の新しい深層学習モデル DenseGated-MSNet を提案した。これはエンドツーエンドの多入力深層学習モデルである。同時に撮像した各MRIシーケンスを、それぞれ独立した DenseNet-121 の分岐で並列に処理する。得られた表現は、入力に応じて働くゲート付きの特徴レベル融合機構で統合する。この機構のゲートは入力に応じて変わる。 評価は、厳密な被験者独立のプロトコルで行った。厳密な被験者独立の評価規約のもと、モデルの構成は被験者独立の開発用データセットで決めた。最終モデルの性能は、同じコホートで、画像単位と被験者単位について、被験者独立の 5 分割交差検証により内部評価した。評価は画像単位と被験者単位の両方で行った。
結果：被験者独立の 5 分割内部交差検証で、DenseGated-MSNet の被験者単位のプール正解率は 90.57%（95% 信頼区間 86.44–93.53%）、AUC は 0.947（95% 信頼区間 0.918–0.976）であった。被験者単位でまとめた正解率は 90.57%（95% 信頼区間 86.44〜93.53%）であった。AUC（受信者動作特性曲線下面積）は 0.947（95% 信頼区間 0.918〜0.976）であった。学習したゲート値からは、シーケンス単位の調節の情報も得られた。複数のシーケンスを統合する際に、各MRIシーケンスにどれだけ強く重みを置いたかを示す情報である。
結論：全体として、DenseGated-MSNet は、複数のMRIシーケンスが補い合う情報を効果的に統合できることが示唆される。判別の対象は、確定したMSと、選んだ非MS対照である。同時に、シーケンス単位の調節の情報も得られる。公開したデータセットとあわせ、提案した枠組みは、今後の被験者独立のMS分類研究に向けた再現可能な基盤となる。
掲載誌の IF 相当：4.0（OpenAlex の直近 2 年の平均被引用数・2026-10-16 時点の値、2026-10-17 に取得。正式な IF（Clarivate）ではない）書誌：Yaman S, Karasekreter N, Çeliköz R, Özgül E, Guler H. DenseGated-MSNet: A Multi-Sequence Gated Fusion Network for Multiple Sclerosis Classification from Brain MRI. Diagnostics. 2026 Oct 28;16(21):3539. doi:10.3390/diagnostics16213539.確認の範囲：抄録のみ確認