癌病理画像分析における畳み込みニューラルネットワークの偏りと信頼性の懸念を暴く

要約: 畳み込みニューラルネットワークは、X線画像からさまざまながんのタイプを識別する際に有望な効果を示しています。 しかし、CNNの不透明な性質は、その動作の仕組みを完全に理解することを難しくし、評価を経験的評価に限定してしまいます。 ここでは、がん病理の目的でCNNが評価される標準的な手法の妥当性を検討します。 十三の広く用いられているがんのベンチマークデータセットを分析し、四つの一般的なCNNアーキテクチャと、悪性黒色腫、癌、結腸直腸がん、および肺がんなどの異なるタイプのがんを対象としました。 私たちは、各モデルの精度を、臨床的に関連する内容を含まない元画像の背景から切り出した断片だけからなるデータセットの精度と比較しました。 作成されたデータセットには臨床情報が含まれないため、帰無仮説はCNNがこれらのデータセットを分類する際には単なる偶然に基づく精度しか示さない、というものです。 結果は、切り出した断片を用いた場合、CNNモデルが高い精度を示すことを示しました。時には93%に達することもありましたが、それらは生物医学情報を欠いていました。 これらの結果は、いくつかのCNNアーキテクチャが他よりもバイアスに敏感であることを示しています。 この分析は、機械学習評価の一般的な手法が、がん病理学に適用された場合に信頼できない結果を生む可能性があることを示しています。 これらのバイアスは特定が非常に難しく、研究者が利用可能なベンチマークデータセットを用いてCNN手法の有効性を評価する際に誤解を招く可能性があります。