本論文は大阪国際がんセンター・ 七條智聖先生が『Scandinavian Journal of Gastroenterology』誌（2019年）に発表した「CNNを活用した内視鏡画像におけるヘリコバクター・ピロリ感染の評価」に関する論文です。

Application of convolutional neural networks for evaluating Helicobacter pylori infection status on the basis of endoscopic images

はじめに

2017年に発表された論文「CNNを活用した内視鏡画像上のヘリコバクター・ピロリ（以下、H.pylori）感染の診断支援システムの開発」では、H.pylori感染胃炎を内視鏡画像に基づいて診断する際の畳み込みニューラルネットワーク（以下、CNN）について報告されました。

上記の研究ではH.pylori陽性及び陰性患者のみを対象としていました。
本研究ではH.pyloriの全感染状態（陽性、陰性、除菌後）を識別する能力を評価するため、GoogLeNet注1）アーキテクチャに基づいたConvolutional Neural Network（以下、CNN）注2）を開発し、学習と検証を実行しました。なお、CNNアーキテクチャはCaffeフレームワーク 注3）で実現しました。

研究方法

教師データ5,236症例98,564枚（H.pylori陽性742例、陰性3,649例、除菌後845例）の内視鏡画像で学習したCNNを用いて、検証データ847症例23,699枚（H.pylori陽性70例、陰性493例、除菌後284例）のH.pylori感染状態の識別能力を評価しました。

結果

● CNNは画像毎にH.pylori感染状況を示す確率スコアを出力した（範囲：0~1）。最も確率の高い （最大の数値）状態を「CNN診断」として定義した。

〇 CNNは23,699枚中418枚をH.pylori陽性、23,034枚をH.pylori陰性、247枚を除菌後と診断した。

〇 H.pylori陰性の所見が多かったため、H.pylori陰性の確率を人為的にPn 0.9と再定義したところ、80％（465/582）がH.pylori陰性と正確に診断され、他84％（147/174）がH.pylori除菌後、48％（44/91）がH.pylori陽性と診断された。

● CNNによる23,699枚の画像の診断時間は261秒だった。

結語

CNNを用いることで、内視鏡画像におけるH. pylori感染状態を非常に迅速に診断することができました。

注1）GoogLeNet
22の層を持った事前学習済みの畳み込みニューラルネットワーク。
注2）ニューラルネットワーク（CNN；Convolutional Neural Network）
人間の脳の神経細胞ネットワークを模倣し、数理モデル化したものの組み合わせ。
注3）Caffeフレームワーク
オープンソースのディープラーニングライブラリ。画像認識に特化しており、高速処理が可能。

研究方法

教師データ5,236症例98,564枚（H.pylori陽性742例、陰性3,649例、除菌後845例）の内視鏡画像で学習したCNNを用いて、検証データ847症例23,966枚（H.pylori陽性70例、陰性493例、除菌後284例）のH.pylori感染状態の識別能力を評価しました。

教師データ

CNNはH.pylori感染状態と胃の部位（噴門・胃体上部・胃体中部・小彎・胃角部・胃体下部・前庭部・幽門）を学習した。
● 5,236症例98,564枚

H.pylori感染状態
● 陽性：742名
● 陰性：3,649名
● 除菌後：845名

患者はH.pylori感染を下記いずれかの検査で実施した。
● 血中／尿中H.pylori IgG抗体検査
● 便中抗原検査
● 尿素呼気試験

H.pylori感染状態の定義
● 陽性：上記いずれかの検査で陽性と判定された患者
● 陰性：上記の検査で陰性と判定され、除菌治療歴のない患者
● 除菌後：除菌治療が成功した患者

除外基準
● 拡大内視鏡画像
● 現在あるいは既往に胃がん、潰瘍、腺腫、ポリープ、粘膜下腫瘍のある患者の画像
● 内視鏡医がスクリーニングし、胃内の食物残渣、生検後の出血、ハレーションなど様々な理由で不明瞭だった画像

検証データ

871症例を検討データとし、
●847症例23,699枚

H.pylori感染状態
● 陽性：70名
● 陰性：493名
● 除菌後: 284名

H.pylori感染の検査については同上。

評価アルゴリズム

CNNは画像毎に、H.pylori感染状態の確率スコアとして0~1の数値を出力した。

結果

CNNの評価

● CNNによる23,699枚の画像診断時間は261秒だった。
● 最も確率スコアの高い感染状態を「CNN診断」と定義した場合の診断結果。

〇 23,699枚の診断の内訳

　■ 陽性：418枚(1.8%)

　■ 陰性：23,034枚(97.2%)

　■ 除菌後： 247枚(1.0%)

不均衡な(陰性の割合が高い)結果となった。教師データに陰性のデータが多く含まれていたことや、陽性・除菌後の特徴的な所見を拾いにくかったことが要因と考えられた。
→H.pylori陰性の確率スコアを人為的に再定義した。

CNNが解析して得られたH.pylori陰性の確率スコアから定数を減じて、H.pylori陽性、除菌後の確率スコアと比較し、3つのうち最も高い数値を「CNN診断」と再定義した。

再定義後のCNN診断の結果

● CNNがH.pylori陰性と判断した582例のうち462例(80%)が正解だった。
● CNNがH.pylori除菌後と判断した174例のうち147例(84%)が正解だった。
● CNNがH.pylori陽性と判断した91例のうち44例(48%)が正解だった。

CNNによるH.pylori陽性と除菌後の判別

● H.pylori陽性患者70名のうち46名（66%）を正しく判別できた。
● H.pylori除菌後患者284名のうち243名（86%）を正しく判別できた。

結語

CNNを用いることで、内視鏡画像におけるH. pylori感染状態を非常に迅速に診断することができました。さらなる研究が必要ですが、内視鏡医がH. pylori感染状態を診断する際にCNNの導入がすすめられます。