ビジョントランスフォーマーに基づく深層学習モデルを用いた新生児黄疸検出

新しい両親にとってなぜ重要か

ほとんどの新生児は皮膚が黄色みを帯びる「黄疸」を経験します。通常は自然に消えますが、一部の赤ちゃんではビリルビンという色素の濃度が高くなると、早期に発見されなければ脳に害を及ぼすことがあります。今日ではビリルビンの検査に針を刺す血液検査や高価なベッドサイド機器が必要になることが多いです。本研究は、一般的なスマートフォンと新しい種類の人工知能を組み合わせることで、特に高度な機器が不足している病院や診療所で、低コストで非侵襲的に危険な黄疸を早期に見つけられる可能性があるかを検討しています。

よくある黄色みの背後にある見えにくいリスク

黄疸は正期産児の半数以上、早産児ではそれ以上に見られます。ビリルビンが血中に蓄積すると皮膚や眼球結膜が黄色くなります。軽症は無害ですが、重度あるいは見逃された場合は核黄疸と呼ばれる脳障害、長期の障害、あるいは死亡につながることがあります。標準的なケアは視覚的診察の後に血液検査や皮膚に当てる専門計測器を用います。これらの方法は機能しますが主観的であったり、侵襲的で遅かったり、高価であったりするため、とくに多くの赤ちゃんを迅速にスクリーニングしなければならない混雑した、あるいは資源の限られた産科・新生児室では大きな障壁になります。

携帯のカメラを健康ツールに変える

研究者らはスマートフォンのカメラと最新のAIモデルだけで実用的なスクリーニングの流れを構築することを目指しました。彼らはイラン、テヘランの小児病院で500人の新生児を登録し、iPhoneを三脚に取り付け、照明を厳密に管理した部屋で顔、腹部、前腕内側の3つの部位を撮影しました。各写真のそばに多数の色マスがあるカラーカードを置き、画像間で色を標準化しました。ほぼ同時に各赤ちゃんはルーティンの血液検査でビリルビン値が測定され、医師はその値を使って黄疸の有無をラベル付けし、アルゴリズムの学習とテストのための信頼できる参照を作成しました。

画像の補正と焦点合わせ

AIモデルが画像を見る前に、チームは慎重な画像クリーニング処理を行いました。ブレや構図不良の低品質な写真は破棄され、残りの写真は微妙な色差を保持するため高忠実度フォーマットで保存されました。コンピュータ処理はカラーカードを参照に画像を調整し、局所的なコントラストを高めて皮膚色の小さな変化を見やすくし、皮膚と背景を分離しやすくする形で色を変換しました。半自動の工程で、均一な照明の滑らかな皮膚領域を抽出して標準化された小さな正方形にトリミングしました。モデルに自然な変動への対応を学習させるため、訓練画像の一部は回転、反転、明るさ調整などを施した変形版も作成されましたが、医学的意味は変えられていません。

新しいAIと従来手法の比較

研究の核心はビジョントランスフォーマーと呼ばれるモデルで、もともと画像中の複雑なパターンを理解するために設計された手法から適応されています。従来の畳み込みニューラルネットワーク（CNN）は主にピクセルの小さな近傍を解析しますが、トランスフォーマーは画像全体の細部と広範なパターンの双方に注意を払うことを学習します。著者らはこのモデル（T2T‑ViT）を訓練し、各皮膚切り出し画像が黄疸のある赤ちゃん由来か否かを判断させました。その性能を、人気の深層ネットワークであるResNet‑50と、単純な色統計に基づく従来の機械学習手法であるサポートベクターマシンとk近傍法の3手法と直接比較しました。独立したテストセットでは、トランスフォーマーはほぼすべての症例を正しく分類し、精度、感度、特異度のいずれも約99%に達しました。境界線上の黄疸に特に苦戦した他の手法よりも明確に優れていました。

期待と現実世界での課題

これらの結果は、管理された条件下ではスマートフォンと十分に訓練されたトランスフォーマーモデルの組み合わせが、新生児の監視や治療が必要かどうかを判定する点で、はるかに高価な機器と匹敵するかそれを上回る可能性を示唆しています。システムは消費者向けハードウェア上で動作するほど軽量で、訓練を受けた看護師や技術者が撮影できる画像を使うため、忙しい診療所や資源の限られた地域にとって魅力的です。それでも著者らは重要な注意点を強調しています：すべてのデータが単一の病院、1機種の電話、主にイラン人の乳児から得られ、専門家が解析する皮膚領域を手作業で精査していることです。実運用には多数の病院、電話機種、照明条件、肌の色合いにまたがるテストや、画像選択工程のさらなる自動化が必要になります。

新生児ケアにとっての意義

簡潔に言えば、本研究は携帯カメラと非常に微細な色の変化に敏感な高度なAIを組み合わせれば、臨床的に重要な黄疸を持つ新生児をほぼ常に識別できることを示しています。将来の研究で多様な状況下でもこれらの所見が確認されれば、この手法は血液検査や治療が必要な赤ちゃんを判断するための迅速で無痛の「第一のチェック」として普及する可能性があります。家族や医療従事者にとって、それは針刺しの回数減少、コスト低下、そして何よりも予防可能な脳障害に対する早期の保護を意味するでしょう。

引用: Lotfi, M., Rabiee, M., Nazarpak, M.H. et al. Neonatal jaundice detection using a vision transformer-based deep learning model. Sci Rep 16, 9243 (2026). https://doi.org/10.1038/s41598-026-40515-5

キーワード: 新生児黄疸, スマートフォンによるスクリーニング, 医用画像AI, ビジョントランスフォーマー, 新生児の健康