近年、医療現場ではAIによる画像診断支援の導入が進んでいますが、解像度やアノテーション（データへのタグ付け）方法が異なる複数の医療画像を、ひとつのAIで同時に扱うことは困難でした。
早稲田大学大学院情報生産システム研究科博士後期課程のWang Jiazhe氏、同研究科の吉江 修（よしえおさむ）教授、家入 祐也（いえいりゆうや）講師の研究グループは、この課題に対し、画像を小さな領域（パッチ）に分けたうえで、それぞれのパッチが「どの医用画像データセット（網膜血管、腹部多臓器、など）」に属していて、「どの画像」の、「どの場所」のパッチであるかを3次元で保持する「パッチベースの学習法」と、データ種別ごとに専門的な処理を行う「Mixture of Experts（MoE）」を組み合わせた新手法「PatchMoE」を開発しました。体の部位が異なる4種の異なる医療画像を対象に検証を行い、従来手法を上回る精度を実現しました。
本研究成果は、国際学術誌「Neural Computing and Applications」に2025年5月8日にオンライン公開されました。
論文名： Conducting patch contrastive learning with mixture of experts on mixed datasets for medical image segmentation