神経周囲浸潤（PNI）は胆管癌（CCA）の予後不良因子として知られ、局所再発や遠隔転移と強く関連しています。しかし、3D MRIを用いたPNIの検出は、腫瘍周辺の微細で空間的に不均一な画像シグネチャのために困難を極めます。こうした空間的に疎な手がかりを捉えるには、3D MRIの全容積解析が必要ですが、既存の深層学習手法は容積医療画像に伴う計算コストが法外であり、臨床応用を制限しています。
この課題に対処するため、研究チームはSpikeDS（二重スパース性Spikformer）と呼ばれる新しいスパイキングニューラルネットワーク（SNN）アーキテクチャを提案しました。SNNはバイナリスパイク通信により活性化スパース性を本質的に備えており、エネルギー効率に優れています。SpikeDSはこれに加えて、発火率に基づくウィンドウ刈り込みによる空間スパース性を導入します。この二重スパース性は、二重スパース性スパイキングアテンション（DSSA）モジュールにより実現され、2つの相補的メカニズムから構成されます。1つ目はウィンドウベースのエキスパート混合スパイキングアテンション（W-EMSA）で、発火率の高い有意なウィンドウにのみ選択的にアテンションを適用し、不必要な計算を削減します。2つ目はクロスウィンドウスパイキングセルフアテンション（CW-SSA）で、刈り込まれたウィンドウもキー・バリューソースとして貢献する非対称スキームを採用し、局所的なアテンションの限界を補うグローバルな文脈交換を可能にします。
評価は139名のCCA患者からなる臨床コホートで5-fold交差検証により行われました。その結果、SpikeDSはAUC 0.753を達成し、エネルギー消費はわずか14.4 mJにとどまり、AUCとエネルギー効率の両方で最良のベースラインを凌駕しました。これらの結果は、二重スパース性が診断性能を損なうことなく3Dスパイキングトランスフォーマーの効率を向上させるための効果的なハードウェア認識戦略を提供することを示しています。本手法は、将来的に低電力の医療画像デバイスへの統合が期待され、高精度かつ低エネルギーな医用画像解析の新たな道を開くものです。また、その原理はPNI予測にとどまらず、他の疎な三次元信号を扱う医療タスクにも応用可能です。