側頭側頭撮影（ラテラルセファログラム）からの性別推定：ハイブリッド多モデル畳み込みニューラルネットワークによる研究

現場の捜査でなぜ頭蓋X線が重要なのか

犯罪、事故、災害の後に身元不明の遺体が見つかった場合、捜査担当者がまず答えなければならない問いの一つは、その人物が男性か女性かです。性別が早期に分かれば照合対象を大幅に絞り込めるだけでなく、医学や考古学の調査にも方向性を与えます。本研究は、日常的に撮影される歯科用の側面頭部X線（ラテラルセファログラム）を人工知能と組み合わせることで、高精度に性別を推定できる可能性を示し、従来の法医手法に対する迅速かつ客観的な補助となり得ることを探ります。

歯科医のX線が法医学的手がかりに

ラテラルセファログラムは、歯科医や矯正歯科医が治療計画を立てる際に標準的に用いる画像です。額、鼻根部、顎、頭蓋底など頭部の側面が写り、これらの領域には男女で微妙な形態差が存在します。たとえば額の突出具合、頭蓋底の長さ、顔面の垂直高さなどです。これまでは専門家が解剖学的な明確な点を手作業で計測し、角度や距離を測ることでこれらの差を評価してきました。しかしこの手作業は時間がかかり、専門的な訓練を要し、骨が損傷していたり画像が不鮮明な場合には評価者の判断に左右されやすいという欠点があります。

二種類の人工知能の融合

研究者らは、専門家がセファログラムを観察するやり方を模倣しつつ、人間の目には見えない画像パターンからも学習する「ハイブリッド」なシステムを設計しました。システムの一部はDenseNet169というニューラルネットワークに基づき、眉間（グラベラ）、鼻根（ナシオン）、脳底の小さなくぼみ（セラ）、頭蓋底後方の基底部（バージオン）、顎の最下点（メンテオン）の5つの重要なランドマークが注意深くマーキングされたX線で学習されました。これらの点を用いて、モデルは頭蓋底長や顔面全高といった2つの重要な距離と、点を結んで作られる三角形が作る3つの角度を自動的に算出しました。これらの測定値は、以前の研究で開発された式に入力され、頭蓋が男性寄りか女性寄りかを出力します。

コンピュータに「指示なしで見る」ことを許す

ハイブリッドシステムのもう一方はEfficientNetB3というネットワークを用い、ランドマークや測定は与えられませんでした。代わりに、生のX線画像を直接見て性に関連するパターンを学習するよう設計されています。その役割は、多数の症例を通じて陰影や形の組み合わせを経験的に見分ける熟練放射線科医に似ています。EfficientNetB3が抽出した特徴は、ランダムフォレスト分類器と呼ばれる別の機械学習手法によって解釈され、独自の性別予測を生成しました。重要なのは、この教師なしに近い経路は手作業でのマーキングを必要としない画像で訓練できるため、将来的により大規模なデータセットへ拡張しやすい点です。

最良解を「投票」で決める

最終判断に至るため、研究者らは3つの「意見」を組み合わせました：線距離に基づくもの、角度に基づくもの、そして画像のみの解析に基づくものです。システムは多数決を採用し、3つの方法のうち少なくとも2つが示す性別を最終出力としました。画像増強を行った主要な150成人のデータセットでは、距離ベースの手法だけで100%の精度に到達し、角度ベースもほぼ100%に近い結果を示しました。画像のみのモデルはやや精度が低く約81%でしたが、3つを組み合わせると総合精度は約99.7%に達しました。実際の運用での頑健性を確かめるため、研究チームは元の画像品質基準を厳密には満たさない46枚の追加X線でもハイブリッドモデルを評価しました。それでも約98%の事例で性別を正しく推定し、標準的な医療統計に基づいて「優れた」診断力を示しました。

科学と社会にとっての意義

法医学者、考古学者、検死官にとって、本研究は人間が導く測定と自由形式の画像学習を慎重に組み合わせることで、日常的な歯科X線からほぼ完全な性別推定が得られる可能性を示しています。この方法は専門家や手動測定という従来の金標準を置き換えることを目的とするのではなく、多数の事例を一度に処理しなければならない集団災害などの場面で、迅速かつ一貫したセカンドオピニオンを提供することを意図しています。著者らは、より大規模で多様な遺体コレクションでの追加検証や、倫理、透明性、法的基準への慎重な配慮が必要であると強調しています。それでも、このハイブリッドニューラルネットワークは、故人の同定と法的身分の回復を支援する実用的で説明可能なAIツールに向けた重要な一歩を示しています。

引用: Widyaningrum, R., Rosyida, N.F., Ningtyas, A.H. et al. Sex estimation from lateral cephalograms via a hybrid multimodel convolutional neural network. Sci Rep 16, 6490 (2026). https://doi.org/10.1038/s41598-026-36147-4

キーワード: 法医学的同定, ラテラルセファログラム, 性別推定, 深層学習, 頭蓋顔面放射線学