深層学習はバイオ医療画像解析で高精度を示す一方，実験条件が変わると性能が劣化するドメインシフトが深刻で，多様条件の教師データ作成にも莫大なコストが伴う．本研究では生成モデルと識別モデルを融合し，画像とそのクラスを同時生成・学習する全く新しいドメイン適応フレームワークを開発する．生成過程で画像変換と分類を協調最適化することで未知条件でも頑健な推定を実現し，セグメンテーションや異常検知など複数タスクに汎用可能な基盤技術として生命科学研究に波及する．
