AI Navigate

特権的履歴蒸留を用いたマンモグラフィーにおける縦断的リスク予測

arXiv cs.LG / 2026/3/18

📰 ニュースIdeas & Deep AnalysisModels & Research

要点

  • 本論文は Privileged History Distillation (PHD) を提案する。訓練時には完全な縦断的マンモグラフィー履歴を特権情報として用い、その予後予測価値を、推論時には現在の検査のみを必要とするスチューデントモデルへ蒸留する方法である。
  • 本手法は、完全な履歴で訓練されたホライズン別の教師を用い、特定の予測ホライズンに特化させることで、前歴が利用できないデプロイメント時にもホライズンを意識したリスク評価を可能にする。
  • 本アプローチは、複数年のがんアウトカムを含む CSAW-CC データセットで検証され、履歴なしのベースラインより時間依存性AUCを向上させ、完全履歴モデルと同等の性能を示した。
  • 実世界の臨床現場における欠損や不規則な縦断履歴に対処することで、PHDは縦断的マンモグラフィーリスク予測の実用性と頑健性を向上させ、展開を促進する。

要旨:乳がんは世界中でがん関連死の主要な原因の一つです。長期的なマンモグラフィーリスク予測モデルは、過去のスクリーニング検査に基づく複数年の乳がんリスク予測を改善します。しかし、現実の臨床実践では、長期の履歴はしばしば不完全、不規則、または利用不能であり、見逃し検診、初回検査、異種の取得スケジュール、またはアーカイブ制約が原因です。過去の検査の欠如は、長期リスクモデルの性能を低下させ、その実用性を制限します。訓練時には十分な長期履歴が利用可能ですが、テスト時には過去の検査が一般的に欠如しています。本論文では、推論時の履歴欠如に対処し、訓練時にはマンモグラフィー履歴を特権情報として用い、その予後価値を推論時には現在の検査のみを必要とする学習者モデルへ蒸留します。核となるアイデアは、時間軸ごとに特化した教師を備える特権付き複数教師蒸留方式です。各教師は完全な長期履歴を用いて1つの予測ホライズンに特化して学習し、学習者は現在の検査から導出された再構成された履歴のみを受け取ります。これにより、デプロイ時に過去のスクリーニング検査を必要とせず、ホライズン依存の長期リスク手掛かりを学習者が継承できるようになります。我々の新しい特権履歴蒸留(PHD)法は、複数年のがん転帰を持つ大規模な長期マンモグラフィーデータセット CSAW-CC を用いて検証され、完全履歴と履歴なしのベースラインをそれらの蒸留版と比較します。時間依存のAUCをホライズンごとに用いることで、私たちの特権履歴蒸留法は、履歴なしモデルより長期予測の性能を著しく改善し、完全履歴モデルと同等の性能と比較できる一方、推論時には現在の検査のみを使用します。