AIが解く世界の難問 · 医学・創薬 · Nature (computational biology) · 2026-10-21
基盤モデルのアンサンブルでバレット食道病理の形態亜型分類とがん検出の信頼性を高める
原題: Towards reliable morphological subtyping and cancer detection on Barrett’s esophagus pathology through ensembling foundation models
病理組織画像の基盤モデル（Histo-FM）が実環境の診断タスクで信頼できるかどうかは、まだ確立していない。そこで本研究では、正常から食道腺がん（EAC）までの診断カテゴリーを含むBarrettNetコホート、すなわち790人分の3528枚のH&E染色全スライド画像を用い、バレット食道（BE）の形態亜型分類とEAC検出への有用性を検証した。専門家の判断と最も一致した5つの単一スケールモデルを複数倍率・複数バックボーンで集約したところ、形態亜型分類でAUROC 0.907、EAC検出でAUROC 0.909へと段階的な性能向上が得られた一方で、異形成評価の効果は限定的であり、外部検証の必要性も指摘されている。