TAADに対するラベルなしクロスセンター自動解析：セグメンテーションから臨床的特徴までを統合するフレームワーク

要旨: タイプA大動脈解離（TAAD）は、生命を脅かす心血管の緊急事態であり、迅速かつ正確な術前評価が求められます。主要な解剖学的および病理学的特徴は手術計画にとって決定的ですが、現在の研究は主にセグメンテーション精度の向上に注力しており、臨床的に実行可能な特徴を信頼性高く定量的に抽出することは、十分に検討されていないのが現状です。さらに、包括的なTAADデータセットを構築するには、労力を要する専門家レベルのピクセル単位注釈が必要であり、多くの医療機関にとって現実的ではありません。大きなドメインシフトのため、単一施設のデータセットで学習したモデルは、施設間導入の際に深刻な性能劣化を招きます。本研究は、ターゲットドメインの注釈がまったく存在しない状況下で、施設間導入における主要なTAAD臨床特徴を正確に抽出するという、臨床上きわめて重要な課題に取り組みます。そのために、TAAD臨床特徴を自動抽出するための、教師なしドメイン適応（UDA）駆動のフレームワークを提案します。本フレームワークは、限られたソースドメインのラベルを活用しつつ、ターゲットドメインからのラベルなしデータに対して効果的に適応します。実運用の救急ワークフローに合わせて設計された本フレームワークは、安定した施設間マルチクラスセグメンテーション、信頼性があり定量可能な臨床特徴抽出、そして高コストな注釈に依存しない実用的な導入性の達成を目指します。広範な実験により、本手法が既存の最先端アプローチと比べてクロスドメインのセグメンテーション性能を大幅に向上させることを示します。さらに重要なのは、複数の心臓血管外科医を対象にした読者調査により、自動抽出された臨床特徴が術前評価に対して有意義な支援を提供することが確認され、本提案のエンドツーエンドな「セグメンテーションから特徴抽出」パイプラインの実用的有用性が強調された点です。