カスタム転移学習アルゴリズムを用いた乾癬分類の進展

より賢い皮膚診断が重要な理由

乾癬は単なる頑固な発疹ではありません。長引く皮膚疾患であり、亀裂や出血、強いかゆみを伴い、関節にも障害を与えることがあり、睡眠、仕事、社会生活を乱します。それでも診断は主に目視に頼っており、特に疾患が体の部位ごとに異なる形を取る場合には主観的で時間がかかります。本研究は、現代の人工知能（AI）がどのように役立つかを探ります。皮膚写真から乾癬の7つの異なるタイプを識別するようコンピュータを学習させ、専門医に匹敵する精度、将来的には専門家を支援し得る精度を達成することを目指しています。

一つの病気、さまざまな顔

乾癬は人によって見た目が異なります。研究者たちは7つの亜型に着目しました：斑状（典型的な鱗屑を伴う斑）、滴状（小さなしずく状の斑）、爪乾癬、膿疱性乾癬（膿を含むにきび様の隆起）、紅皮症状乾癬（広範な赤み）、逆性乾癬（皮膚のひだにできるなめらかな赤斑）、そして皮膚変化と痛みや腫れを伴う関節症を併発する乾癬性関節炎です。これらを区別することはそれぞれに適した治療やリスクを示すため重要です。しかし症状は互いに、また他の皮膚疾患と重なることがあり、専門外のクリニックでは視覚的診断が難しくなります。

豊富な画像ライブラリの構築

これらの亜型を区別するようコンピュータを教えるために、まず適切なデータを集める必要がありました。既存の公開皮膚画像コレクションは正確な乾癬亜型をラベル付けしていることがまれで、一部の型は他よりも非常に稀です。著者らはISIC、HAM10000、DermNetを含むいくつかの公開医療画像リポジトリから合計4,005枚の画像を収集し、各画像を7つの乾癬カテゴリーのいずれかに分類しました。コンピュータが頻出の型を過学習し、稀な型を無視しないようにするために、「画像拡張」を用いて画像を回転、ズーム、反転するなどして多様なコピーを作成しました。このバランス調整によりデータセットは7クラス間でより均等になり、モデルが頻出例の丸暗記ではなく堅牢なパターンを学習する助けになりました。

機械に皮膚を読み取らせる

ゼロから始めるのではなく、研究者たちは転移学習に依存しました。日常写真で何百万もの画像に対して事前学習された強力な画像認識システム3種―ResNet50、InceptionResNetV2（ここではInceptionV2と呼ぶ）、およびInceptionV3―を取り、それらを乾癬画像で微調整しました。画像を投入する前に各画像を固定サイズに標準化し、ピクセル値を正規化しました。その後、内部の多くの層は凍結し、7つの乾癬タイプに合わせた新しい「トップ」層を追加して、これらの追加層を精選したデータセットで学習させました。AdamとRMSpropという2つの一般的な最適化手法を比較し、どちらがより信頼できる学習を生むか検討しました。

どのAIが乾癬を最もうまく学ぶか？

3つのAIモデルはいずれも有望な精度で乾癬のタイプを認識できましたが、1つが明らかに際立ちました。ResNet50モデルはまずまずの成績で、テスト画像のおよそ5分の4を正しく分類しました。InceptionV2はさらに良好で、RMSprop最適化で学習させた場合、未知のテストデータに対して約97%の精度に達しました。最も強い結果を示したのはInceptionV3で、これもRMSpropと組み合わせた場合で、テスト画像のおよそ99%の亜型を正しく識別し、精度と感度（陽性予測や検出が正しかった割合）も同様に高い値を示しました。画像のどの領域がAIの判断を導いているかを可視化する説明ツールは、モデルが背景の無関係な部分ではなく病変の臨床的に意味ある領域に注目していることを示しており、将来の臨床的信頼にとって励みになる所見です。

患者にとっての意味

乾癬を抱える人々にとって、これらの進展は皮膚科医に取って代わるものではありませんが、強力な第二の目を提供する可能性があります。皮膚写真を詳細な亜型に自動で分類できる正確なシステムは、遠隔医療を支援し、非専門医がいる遠隔地での診療を助け、複雑または重症の症例を早期に検出する手助けになります。著者らはこのツールが実臨床の写真やさまざまな肌色や撮影機器での検証をまだ必要とする点を強調しています。それでも慎重に学習させたAI、特にInceptionV3モデルが7つの乾癬形態を信頼性高く区別できることは、より迅速で一貫した診断、そして最終的にはより個別化された治療への道を開く可能性を示しています。

引用: Lakshmi, L., Dhana Sree Devi, K., Rao, K. et al. Advancements in psoriasis classification using custom transfer learning algorithms. Sci Rep 16, 7007 (2026). https://doi.org/10.1038/s41598-026-38197-0

キーワード: 乾癬, 皮膚画像, ディープラーニング, 医療AI, 疾患分類