急性リンパ性白血病診断および重症度評価のための説明可能なディープラーニングベースの特徴融合モデル
Hajra Khan1, Muhammad Zaheer Sajid2, Nauman Ali Khan1
1Department of Computer Software Engineering, Military College of Signals, National University of Science and Technology, Islamabad, Pakistan.
Frontiers in medicine
|January 1, 2026
まとめ
新しいディープラーニングモデルXIncept-ALLは、急性リンパ性白血病（ALL）の重症度を正確に検出し分類します。このAIツールは、この重大な血液がんの早期診断と治療計画を支援します。
科学分野:
- 医療画像
- 人工知能
- 血液学
背景:
- 急性リンパ性白血病（ALL）は、正確な診断を必要とする一般的な小児の血液がんです。
- 現在の診断方法は時間がかかる場合があり、自動分析の恩恵を受ける可能性があります。
- 早期検出と重症度分類は、効果的なALL治療と患者転帰の改善のために重要です。
研究 の 目的:
- ALLの重症度の自動検出と分類のための新しいディープラーニングフレームワークXIncept-ALLを開発および評価すること。
- 特徴融合とデータ拡張により、モデルの堅牢性と一般化を向上させること。
- Grad-CAMの可視化を使用して、モデルの予測に関する解釈可能な洞察を提供すること。
主な方法:
- InceptionV3およびXceptionネットワークを統合して構築されたディープラーニングフレームワーク（XIncept-ALL）。
- クラスの不均衡に対処し、過剰適合を防ぐために、データ自動拡張技術が使用されました。
- ALL細胞画像の識別領域を可視化するためにGrad-CAMが採用されました。
- XGBoost分類器を使用して、抽出された特徴を良性、早期、前、プロの4つの重症度レベルに分類しました。
主要な成果:
- XIncept-ALLモデルは、外部データセットで99.5％という高い平均精度を達成しました。
- モデルは、ALLの重症度レベルの分類において優れたパフォーマンスを示しました。
- Grad-CAMの可視化により、モデルが臨床的に関連性の高い特徴に焦点を当てていることが確認され、解釈可能性が向上しました。
結論:
- XIncept-ALLフレームワークは、ALLにおけるAI駆動の医療画像分析のための効率的でスケーラブルで実用的なアプローチを提供します。
- このモデルは、正確で解釈可能な診断を通じて、臨床的意思決定を支援し、患者の転帰を改善する大きな可能性を示しています。
- この進歩は、急性リンパ性白血病のための信頼性の高いコンピュータ支援診断システムの開発に貢献します。
