胆管がん（CCA）における神経周囲浸潤（PNI）は予後不良に関連する重要な臨床指標です。しかし3次元MRI画像からのPNI検出は、腫瘍周辺に見られる微細で空間的に不均一なイメージング特性により極めて困難です。このような空間的に散在する手がかりを捉えるには3次元MRI画像の体積的解析が必要となりますが、既存のディープラーニング手法は体積医療画像の処理において計算コストが膨大となり、臨床応用が制限されていました。 本研究で提案されるSpikeDS（Dual Sparsity Spikformer）は、スパイキングニューラルネットワーク（SNN）に基づく革新的なアーキテクチャです。このモデルはバイナリスパイク通信からの活性化疎性と、発火率に基づくウィンドウプルーニングからの空間疎性という二つの疎性を同時に活用します。SpikeDS内部の双重疎性スパイキング注意機構（DSSA）は、ウィンドウベース専門家混合スパイキング注意（W-EMSA）と交差ウィンドウスパイキング自己注意（CW-SSA）という相補的な二つのメカニズムを統合しています。W-EMSAは発火率により同定された顕著なウィンドウに対してのみ注意を選別的に適用し、CW-SSAは非対称スキームにより削除されたウィンドウもキー・バリュー源として機能させることで、グローバルコンテキストの交換を実現します。 139人のCCA患者の臨床コホートに対して5分割交差検証により評価した結果、SpikeDS は0.753というAUC（曲線下面積）を達成しながら、わずか14.4mJのエネルギー消費に留まり、AUCとエネルギー効率の両面で最高のベースラインを上回りました。これらの結果は、双重疎性が診断性能を損なわずに3次元スパイキング変圧器の効率を向上させるハードウェア対応戦略として有効であることを示唆しており、医療AI応用における計算効率と診断精度の両立の可能性を開いています。