脳腫瘍は，画像として他の疾患にしばしば類似するため，正確かつ早期の診断は依然として大きな課題である。現在，畳み込みニューラルネットワーク（CNN）を用いたモデルが開発されているが，多くのモデルは単一の手法に依存しており，脳腫瘍画像の複雑な構造に十分に対応できていない。こうした課題を踏まえ，合同研究チームはMRI画像を用いた脳腫瘍診断のためのアンサンブルモデルを開発した。
8月8日にScientific Reportsに掲載された研究によると，研究チームはEfficientNetB5，ResNet50，CNNの3つのモデルを組み合わせた新たなアンサンブルモデルを構築した。データセットには，「異常なし」，「グリオーマ」，「髄膜腫」，「下垂体腫瘍」の4つのカテゴリーに分類された22,000枚以上のMRI画像が含まれている。結果として，MRI画像の全体的な分類正答率は，テストセットで99.4%，検証セットで99.48%，クロスデータセットで99.31%と非常に高いパフォーマンスを示した。さらに，予測の不確実性をエントロピーで評価したところ，0.3093と低い値を示し，診断予測の高い正確性が示唆された。解釈性はGrad-CAM，Guided Grad-CAM，SHAP，SmoothGrad，LIMEで担保している。誤分類の傾向としては，髄膜腫で多くなるという。
本アンサンブルモデルは優れた診断精度が期待される一方で，今後は実臨床データを用いたさらなる検証が必要である。また，研究者らは「複雑なアンサンブルモデルであるため，高度なコンピューターリソースが整った環境下でのみトレーニングが可能であり，今後はプルーニング，量子化，知識蒸留などを通じてモデルサイズの軽量化を図る必要がある」と述べている。

【参照論文】
Advanced dynamic ensemble framework with explainability driven insights for precision brain tumor classification across datasets