病理組織学的スペクトラムに基づく前立腺層別化：セグメンテーション支援診断トランスフォーマー
本研究では、言語誘導型セグメンテーション支援診断トランスフォーマーモデル（LSDT）を提案し、mpMRIを用いた前立腺癌の4クラス分類を実現。前立腺癌病理組織学的スペクトラムデータセット（PCa-HSD）を構築し、ゼロショットセグメンテーションによる解剖学的事前情報を活用。344名の患者による5分割交差検証で平均精度0.633、JointRecall 0.768を達成し、細粒度分類を大幅に改善した。
前立腺癌の診断には通常、多パラメトリックMRI（mpMRI）とPI-RADS評価システムが用いられるが、これらの方法は主観的であり、腫瘍の病理学的異質性を十分に捉えられない。特に、癌と誤認されやすい良性病変は既存のデータセットで過小評価されている。この問題に対処するため、Leyang Li氏を含む10名の研究者からなるチームは、前立腺癌病理組織学的スペクトラムデータセット（PCa-HSD）を構築し、臨床的に意味のある4クラス分類タスクを定義した。
提案された言語誘導型セグメンテーション支援診断トランスフォーマーモデル（LSDT）は、ゼロショットセグメンテーションを利用して解剖学的事前情報を提供し、マルチモーダルなMRIスライスの効果的な融合を行う。従来のエンドツーエンド分類手法とは異なり、LSDTは言語誘導により病理パターンの意味理解を強化し、注目すべき領域に焦点を当てることができる。
344名の患者からなるコホートでの5分割交差検証の結果、LSDTはさまざまなバックボーンネットワークで一貫して精度を向上させ、最高平均精度0.633、JointRecall 0.768を達成した。これらの結果は、病理学的監視と解剖学的事前情報の統合が前立腺MRIの細粒度分類を大幅に強化し、リスク層別化のためのより臨床的に関連性の高いパラダイムを提供することを示している。
本論文は全17ページ、6図4表を含み、2026年7月19日にarXiv（番号：2607.22703）に提出された。コードは将来の改訂で公開される予定である。研究チームは、PCa-HSDデータセットとLSDTモデルの組み合わせが前立腺癌の精密診断の進歩に貢献し、他の医用画像分類タスクにも応用可能であると強調している。