硬膜外麻酔は周術期や産科領域の鎮痛で広く用いられるが，皮膚・皮下脂肪・靭帯・黄色靭帯を貫いて硬膜外腔へ針を進める手技であり，わずかな逸脱が硬膜穿刺後頭痛や硬膜外血腫，脊髄損傷といった合併症につながりうる。針先周囲の組織をリアルタイムに見分けることが安全性の鍵となるが，従来のガイド手法には限界があった。こうした背景のもと，米国のオクラホマ大学を中心とする研究グループは，偏光感受型光干渉断層計（PS-OCT）が同時に得る4種類の画像チャネルを深層学習で融合し，硬膜外組織の自動分類の精度と頑健性を高める手法を発表した。同研究はBiomedical Optics Expressに掲載されている。
PS-OCTは，強度・位相遅延・偏光均一度（DOPU）・光学軸という4つのモードで組織の構造と偏光特性を同時にとらえる。研究チームはまずチャネルごとにCNNを学習させ，その上で「確率平均」「特徴量連結」「学習可能な重み付き出力」「共有段ResNet」「マルチチャネル入力統合」「データプール」という6種類の融合戦略を比較した。ブタ（n＝6）およびヒト（n＝5）の脊椎標本を用い，被験体単位の入れ子交差検証で評価した結果，マルチチャネル融合は単一チャネルの最良ベースラインに対して一貫した精度向上を示した。ブタデータでは確率平均が平均検証精度を3.46ポイント高め（93.07%対89.61%），ヒトデータでは確率平均が97.87%（最良単一チャネル97.75%）を達成した。ヒトでの平均精度の上昇は小さいものの，被験体間のばらつきが統計的に有意に減少した。
本研究で特筆すべきは，最も実装が簡便な「確率平均」が精度と頑健性のバランスに優れていた点である。確率平均は各単一チャネルモデルの出力を平均するだけで，追加学習を必要としない。さらに，どのチャネルが最もよく汎化するかを事前に知る必要をなくし，被験体ごとの性能の振れを抑えられることが示された。一方で，検証はブタとヒトの摘出標本に限られており，生体内でのリアルタイム運用や標本数の拡大に向けた検証は今後の課題として残る。複数の偏光情報を統合して安定した組織判別を実現する本アプローチは，OCTガイド下のニードル手技を安全に支援する基盤として展開が期待される。

【参照論文】
Deep learning fusion of multi-channel imaging from polarization-sensitive optical coherence tomography