皮膚癌の早期発見は予後にとって極めて重要だが、ロシアの多くの地域では皮膚科医が不足しており、検診のカバー率が制限されている。モバイルダーモスコピー臨床意思決定支援システム（CDSS）は有望なアプローチとして期待されているが、モデルの解釈性と標準化された患者ルーティングが導入の主な障壁となっている。そこで研究チームはMelanoscope AI CDSSを開発し、単施設での予備的前向き臨床検証を実施した。
このシステムは、ダーモスコピー画像の2段階カスケード分類を採用し、注意力マップの可視化を統合している。ViTとSwinにはattention rolloutを、ConvNeXtとEfficientNetV2にはGrad-CAMを使用した。モデルの解釈性を定量的に評価するため、研究チームはIoU（Intersection over Union）に基づく方法を提案し、活性化マップと専門家の注釈領域との一致度を測定した。さらに、モデルが出力する悪性確率に応じて患者を異なる管理経路に振り分ける3ゾーン患者ルーティングアルゴリズムを設計し、ルーティング閾値をP=0.50に設定した。
臨床検証はロシアのオリョールで、2025年6月から2026年4月までの4回の「メラノーマデー」イベントを通じて実施され、合計176名の患者が登録された。結果として、CDSSは専門家評価と88.6%の一致率を示し、5例の悪性病変において偽陰性は認められなかった（95%信頼区間：47.8-100.0%）。特異度は88.3%であった。悪性病変はすべて組織学的に確認され、3例のメラノーマと2例の基底細胞癌が含まれていた。また、6例の異形成母斑が経過観察の対象となった。
解釈性評価では、180枚の画像について平均IoUが算出された。ViTが0.69、Swinが0.64、ConvNeXtが0.53、EfficientNetV2が0.51であり、Transformerベースのモデルが専門家の関心領域とより一致する注意力マップを生成する傾向が示された。
研究の結論として、偽陰性は観察されず、特異度88.3%という結果は検診用途を支持するものであった。統合されたカスケード分類、注意力マップの可視化とIoU評価、そして3ゾーンルーティングは、再現可能で解釈可能な臨床意思決定支援を提供し、さまざまなリソースレベルに適応できる。ただし、本研究は単施設の前向き研究であり、サンプルサイズが限られているため、今後は多施設での大規模な検証が必要である。
本論文はarXiv（arXiv:2605.27561）に掲載され、コンピュータビジョンとパターン認識（cs.CV）および人工知能（cs.AI）の分野に属する。24ページ、6図、5表、21件の参考文献で構成されている。