頭頸部がんの予後予測におけるXAI手法のランキング評価

Abstract

頭頸部がん（HNC）患者において、予後アウトカムの予測はパーソナライズされた治療戦略の選択を支援できる。PET/CTデータに対して、高度な人工知能（AI）技術を用いることで、HNCアウトカムの予測性能を改善する取り組みは広範に行われてきた。しかし、AIの解釈可能性は、臨床で採用するうえで重大な障害となっている。説明可能なAI（XAI）手法を経験的に選定した先行研究とは異なり、本研究は、信頼性（faithfulness）、頑健性（robustness）、複雑さ（complexity）、妥当性（plausibility）を含む24の評価指標のもとで、13のXAI手法を包括的に評価し、順位付けした最初の試みである。複数施設のHECKTORチャレンジのデータセットに関する実験結果では、評価の観点において、異なるXAI手法間で大きなばらつきが見られた。Integrated Gradients（IG）とDeepLIFT（DL）は、信頼性、複雑さ、妥当性の各点で一貫して高い順位を獲得した。本研究は、包括的なXAI手法の評価の重要性を示すものであり、他の医用画像タスクにも拡張できる。