DeepHistoViT: 病理組織学的がん分類のための解釈可能な Vision Transformer フレームワーク

要旨: 病理組織は、組織形態の細胞レベルの評価を提供するため、がん診断のゴールドスタンダードである。しかし、手作業の病理組織学的検査は時間がかかり、労働集約的で、観察者間のばらつきの影響を受けやすく、信頼性の高いコンピュータ支援診断ツールの需要を生み出している。深層学習の最近の進歩、特にトランスフォーマーに基づくアーキテクチャは、医用画像における複雑な空間依存性をモデリングする強い可能性を示してきた。本研究では、病理組織画像の自動分類のためのトランスフォーマー基盤フレームワーク DeepHistoViT を提案する。モデルは、細かな細胞構造を捉えつつ、診断上関連する領域のアテンションベースの局在化を通じて解釈性を向上させる統合アテンション機構を備えたカスタマイズされた Vision Transformer アーキテクチャを採用する。フレームワークは、肺がん、結腸がん、急性リンパ性白血病を網羅する三つの公開病理組織データセットで評価した。実験結果は、すべてのデータセットで最先端の性能を示し、肺がんおよび結腸がんデータセットでは分類精度、適合率、再現率、F1スコア、ROC-AUC がすべて100パーセントに達し、急性リンパ性白血病データセットでは、それぞれ99.85パーセント、99.84パーセント、99.86パーセント、99.85パーセント、そして99.99パーセントとなった。すべての性能指標は95パーセント信頼区間とともに報告されている。これらの結果は、病理組織画像解析におけるトランスフォーマー基盤アーキテクチャの有効性を浮き彫りにし、臨床判断をサポートする解釈可能なコンピュータ支援診断ツールとしての DeepHistoViT の可能性を示している。