放射線皮膚炎の評価は，臨床で用いる有害事象共通用語規準（Common Terminology Criteria for Adverse Events: CTCAE）に基づき，軽度のグレード1から有害事象による死亡のグレード5まで5段階に分類される．しかし，視覚的な評価に基づいているため，個人の経験や知識に左右されるといった課題がある．筆者らは，学習に用いる症例数が少ない課題に対処するため，人工症例画像を生成し，深層学習を用いた放射線皮膚炎のグレード判定システムを構築してきた．本研究では，近年提案されたEfficientNetモデルを用いた新たな放射線皮膚炎のグレード判定システムを作成した．また，評価者のグレード判定に相違が生じた画像に，ベイズ推定に基づく最終的な分類を行った手法について述べる．EfficientNet-B0～B7を用いて画像解像度とデータ拡張法の条件を変えた学習モデルは，86.4％の正答率であった．また，グレード判定に相違が生じた画像について，複数のEfficientNetモデルにより最終グレード判定を行った．ベイズの定理に基づく最大事後確率推定法（ベイズ推定）を用いた評価実験により，提案手法の有効性を確認した．
