人工知能予測モデルを改善するためのEndoStyleを用いた消化管内視鏡画像のスタイル転送

大腸がん検査をより鋭く支援するコンピュータ

大腸内視鏡検査は、ポリープと呼ばれる小さな増殖を発見して除去することで、がんになる前に命を救います。多くの病院では現在、医師が映像上でこれらの微小病変を見つけやすくするために人工知能（AI）を併用しています。しかし、AIツールは別の病院に移されると画像の見た目がわずかに異なるため性能が落ちることが多いのです。本研究はEndoStyleと呼ばれる新しい手法を紹介し、内視鏡画像の見た目を変えることで異なる機器間でもAIがより安定して働けるようにします。

なぜ内視鏡画像は同じように見えないのか

患者にとっては同じように見える内視鏡映像でも、各施設が使う映像プロセッサやカメラはそれぞれ異なります。これらの機器は色合い、明るさ、コントラスト、シャープネス、さらには画面上の円形画像の大きさや位置まで異なります。ある病院で学習したAIにとって、この「ドメインシフト」は大きな衝撃になり得ます。新しい画像が学習時の分布と一致しなくなり、精度が低下するのです。現在の一般的な対策（画像の反転、回転、軽い明るさ変化など）は異なる映像システム特有の外観を再現しません。そのため市販のAI支援システムは特定のハードウェアに合わせて調整されており、他の場所で同じように機能しないことが多いのです。

ローカルなカメラのスタイルに画像を合わせる仕組み

研究チームはEndoStyleを、内視鏡システム間のデジタル翻訳機のように設計しました。ある大腸内視鏡フレームとターゲットとなる「スタイル」（例えば特定の映像プロセッサの見た目）を入力として受け取り、解剖学的構造やポリープは保持しつつ全体の外観をターゲット機器に合わせて変換した新しい画像を生成します。内部では、強力な画像変換ネットワークと出力を鮮明にする超解像モデルを組み合わせています。腸のひだや目立たない平坦なポリープのような重要な特徴が消えたり誤って生成されたりしないように、特別な保護機構も導入されています。

生成画像が本物らしく見えるかを検証する

EndoStyleによる合成画像が信頼できるかを確かめるため、まず視覚的なリアリズムや知覚的類似性を捉えるコンピュータビジョン指標で、生成画像と実際の内視鏡画像を比較しました。5種類の異なる映像プロセッサ、数十万フレームにわたり、変換後の画像は全体の見た目と詳細な質感の両方で実際の画像に近い一致を示しました。医用画像に精通した3つの独立したAIモデルも、新しい画像が元の内容とターゲット機器のスタイルの両方に似ていると評価しました。次に、16拠点から集まった22人の経験豊富な内視鏡医がブラインド実験に参加しました。彼らは短い内視鏡動画を見て、ある静止フレームが実際のものかEndoStyleで生成されたものかを判定しました。医師たちはEndoStyle画像を実際のフレームとほぼ同じ頻度で同一検査由来と判断し、明らかに異なる画像よりもはるかに多く選んだため、合成画像は実地での“違和感検査”を通過したと考えられます。

AIが正しいポリープを見つけ、ノイズを無視するのを助ける

次に、このリアルでスタイルに合わせた画像が実際にAIのポリープ検出を改善するかを検証しました。複数の検出システムを、公的な大腸内視鏡画像とEndoStyleで生成しテスト映像の2つの特定のOlympusプロセッサに合わせた合成フレームを混ぜて学習させました。また、元の学習データが別ブランド（Fujifilm）由来で、EndoStyle自身の学習に使われていない場合というより厳しいケースも検討しました。どちらの状況でも、ターゲットプロセッサに合わせた合成画像を追加するとAIモデルの選択性が高まり、誤検知は設定によって約25％から40％超まで減少しました。一方で感度（真のポリープを検出する頻度）はわずかに低下したにとどまりました。重要な点として、合成画像が偽物のポリープを生み出した形跡はなく、見逃されたごく一部の病変はベースラインのAIや市販ツールでも検出困難なものが大半でした。

患者と施設にとっての意義

プロセッサ固有のリアルな合成画像を生成し、安全に検出アルゴリズムの学習に使えることを示したこの研究は、大腸内視鏡AIをより移植可能で信頼できるものにする実用的な方法を提供します。施設が機器を更新・変更するたびに大規模な新しいデータを収集・ラベリングする代わりに、既存の画像コレクションをEndoStyleで新しい機器のスタイルに合わせて適応させ、少ない追加作業で再学習を行える可能性があります。即時の利点は、重要なポリープの多くを維持しつつ誤警報が減ることで、内視鏡医にとってツールの煩雑さが減り信頼性が向上する点です。長期的には、このようなスタイル転送手法が病院間でAIの性能を標準化し、がん予防の改善や将来の医師向けのより現実的なトレーニングシミュレータの支援につながる可能性があります。

引用: Troya, J., Kafetzis, I., Weber, R. et al. Gastrointestinal endoscopic image style transfer using EndoStyle to improve artificial intelligence prediction models. npj Digit. Med. 9, 340 (2026). https://doi.org/10.1038/s41746-026-02693-4

キーワード: 大腸内視鏡検査, ポリープ検出, 医用画像AI, スタイル転送, ドメインシフト