乳がんにおける術後整容評価の客観化のためのラベル不要フレームワーク

概要

注意誘導型ノイズ除去拡散モデルにより、手作業のラベル付けなしで乳房手術後の整容スコアを算出した。正常整容画像を中心に未ラベル学習を行い、解釈可能な異常マップと定量スコアを生成し、実データで従来のルールベースや既存異常検知法を上回った。

主要発見

• ラベル不要で乳房整容を評価する注意誘導型拡散異常検知（AG-DDAD）パイプラインを開発した。
• 正常整容が多数を占める未ラベルデータで学習し、整容の異常度を自己教師ありでスコア化した。
• ルールベースや既存の異常検知モデルを上回り、解釈可能なマップと定量的整容スコアを提供した。

臨床的意義

客観的整容スコアを品質指標・試験エンドポイントとして導入することで、評価者間のばらつきを低減し、術式比較の公平性が高まる。

限界

• 施設間・撮像プロトコル間での一般化可能性は未確立
• 前向き臨床検証および患者報告アウトカムとの関連付けが未実施

今後の方向性

多施設前向き検証、外科品質管理・臨床試験への実装、集団間の公平性監査の実施。