心エコー図におけるドメインシフト：データセット間の左心室セグメンテーションの解釈可能な定量化と予測

心エコー図は臨床で広く用いられるが、データセット間の一般化は左心室セグメンテーションモデルの展開における大きな障壁となっている。2026年7月22日にarXivに提出されたSoroush Elyasiらの研究により、ドメインシフトは制御可能で構造化され測定可能であることが明らかになった。

研究チームは幾何学的前処理（視野調整など）を適用し、いくつかの低性能な転移ケースでセグメンテーション性能が大幅に向上することを確認した。例えば、幾何補正を適用することで、Dice係数が数ポイント向上したケースがあった。これは、見かけ上のドメインシフトの多くが固有の音響特性ではなく、収集時の視野とフレーミングの不一致に起因することを示している。一方、強度z正規化はデータセットの分離可能性を0.005未満しか変化させず、輝度やコントラストは主要なシフト要因ではないことがわかった。この発見は、ドメインシフトの原因が画像の外観の違いにあるとする従来の仮説に挑戦するものである。

セグメンテーション性能への影響を定量化するため、絶対Dice低下を指標として用いたところ、保持されたソース-ターゲットペアにおける予測精度はR²=0.612、平均絶対誤差0.082、スピアマン相関係数0.681であった。注目すべき点として、左心室および扇形特徴を除去したバリアントでも説明力の約70％を維持し、マスク不要の転移リスク監視が可能であることが示唆された。これは、実際の展開時に手動ラベリングなしで新しいデータセットでの性能を評価できることを意味する。

さらに、最適な不一致指標は表現空間によって異なることが明らかになった。z正規化手工特徴ではCMD（中心モーメント差）が最も有効で、相関係数約0.86、R²約0.70；VAE潜在空間ではlog-Wasserstein距離が最適で、相関係数約-0.90、R²約0.81；セグメンテーション潜在特徴ではlog-MMD（最大平均差異の対数）が最強で、相関係数約-0.92、R²約0.84であった。また、見かけ上のベンダー効果はデータセットと交絡しており、ベンダー単独の影響ではないことが示された。

本研究は、心エコー図ドメインシフトが構造化され測定可能であることを実証した。幾何学的前処理によりその影響を部分的に軽減でき、表現固有の距離指標を用いてセグメンテーション性能の低下を事前に予測できるため、臨床展開に向けた実用的なツールとなる。このフレームワークは、他の医用画像セグメンテーションタスクにも拡張可能であり、より信頼性の高いAI支援診断システムの実現に貢献することが期待される。