超小規模のペア学習コホート下におけるCT-to-X線蒸留：エビデンスに基づく再現可能なパイロット研究

要旨: 胸部X線とコンピュータ断層撮影（CT）は胸部疾患に対して相補的な見え方を提供しますが、ほとんどのコンピュータ支援診断（CAD）モデルは単一の画像モダリティのデータで学習され、同一モダリティの枠内で導入（デプロイ）されています。本研究で扱う具体的な問いはより狭く、導入志向です。患者レベルでペアになった胸部コホートにおいて、CTを「学習のためのみに」教師（教師側監督）として用い、CT推論時にCTを要求することなく、2値の疾患あり／なしX線分類器の学習が可能かどうか、を検討します。本設定を、モダリティ横断の教師--学生蒸留（teacher--student distillation）の問題として研究し、検証済みの優れたアーキテクチャとしてではなく、実行可能な試作の足場としてJDCNetを用います。公開されたペア胸部画像コホートから得られた元の患者レベルのペア分割において、縮小したプレーンなモダリティ横断ログit-KDコントロールは、4枚画像の検証サブセットで最高の平均結果（0.875の精度、0.714のmacro-F1）を達成しました。一方で、モジュールを追加した完全版のJDCNetは0.750の精度、0.429のmacro-F1に留まります。この順位付けが分割アーティファクト（分割に起因する見かけの偏り）でないかを確かめるため、同一ケースの比較を行う8回の患者レベル・モンテカルロ再サンプリングに加え、注意転移（attention transfer）と特徴ヒント（feature hints）に基づくより強いメカニズムの制御、および不均衡に敏感な分析も実施します。この再サンプリング手順では、後期融合（late fusion）が最高の平均精度（0.885）を達成し、同一モダリティの蒸留が最高の平均macro-F1（0.554）およびバランス精度（0.660）を達成します。プレーンなモダリティ横断コントロールは平均バランス精度が0.500に低下し、注意転移や特徴ヒントのいずれも、堅牢なモダリティ横断の優位性を回復できません。したがって、本研究の貢献は「検証済みのCT-to-X線アーキテクチャ」ではなく、厳密なタスク定義、失敗モード、順位の不安定性、ならびに将来の信頼できるCT-to-X線転送主張に必要となる最小要件を、明示的に示す再現可能で、エビデンスに裏打ちされた試作プロトコルにあります。