Innovative Tech

顕微鏡画像向け、リアルタイム物体検出AIシステム　病理画像の自動解析に活用

　カナダのウォータールー大学や米ミシガン大学などに所属する研究者らが発表した論文「An Investigation into Glomeruli Detection in Kidney H&E and PAS Images using YOLO」は、顕微鏡画像用のリアルタイム物体検出システムを提案した研究報告である。

　デジタル病理画像の解析は、組織パターンや細胞形態を調べることで診断結論を導き出すために必要である。しかし、手作業による評価には時間と費用がかかり、観察者間と観察者内のばらつきが生じやすい。

　近年、医療やデジタル病理学において、いくつかの技術的進歩が見られる。病理医を支援するためには、自動化された組織構造の検出とセグメンテーションを求められる。

　デジタル病理画像の自動セグメンテーションとピクセル解析は、診断パターンと視覚的手掛かりを特定し、より信頼性が高く一貫性のある診断分類につながる可能性がある。これは当然、時間の短縮につながる。

　特に糸球体の検出は、異なる腎臓病の診断に続く糸球体疾患の分類の第一歩として、デジタル病理学において不可欠かつ重要である。球体検出により、コンピュータによる定量化が可能となり、病理医が時間を大幅に節約できる。

　今回は、WSI（Whole Slide Imaging）の中で特定の組織パターンを見つけるために、リアルタイム物体検出器「YOLO-v4」を活用する。YOLOは、1つのニューラルネットワークを使って、複数のバウンディングボックスとそれに対するクラス確率を予測する手法である。

　YOLO-v4をヒト腎臓画像における糸球体の検出に使用するために、モデルの微調整に、2つのパブリックデータセットとミシガン大学のプライベートデータセットからなる7つの異なるトレーニングデータセットを用いてトレーニングを行った。

　実験では、ミシガン大学の20のPAS染色画像と16のH&E染色画像でネットワークを評価した。

　公開データセットでYOLO-v4をトレーニングし、ミシガン大学のPAS染色画像7枚のみで微調整を行った結果、ミシガン大学のPAS染色画像20枚でネットワークを検証しながら、平均感度85％、平均特異度89％を達成し、これは異なるトレーニングデータセットの中で最高の結果であった。H&E染色画像での評価では、両データセットでの学習により平均感度70％、平均特異度96％が得られた。

　これらの結果により、最新のAIモデルを用いれば、ヒト腎臓画像における糸球体の自動検出が可能だと分かった。

Source and Image Credits: Hemmatirad, Kimia, Morteza Babaie, Jeffrey B. Hodgin, Liron X Pantanowitz and H.R.Tizhoosh. “An Investigation into Glomeruli Detection in Kidney H&E and PAS Images using YOLO.”（2023）.

Innovative Tech

2019年にスタートした本連載「Innovative Tech」は、世界中の幅広い分野から最先端の研究論文を独自視点で厳選、解説している。執筆は研究論文メディア「Seamless」（シームレス）を主宰し、日課として数多くの論文に目を通す山下氏が担当。イラストや漫画は、同メディア所属のアーティスト・おね氏が手掛けている。

この連載の記事をもっと見る

この記事の著者

関連記事

• 

  スマホカメラが顕微鏡になる「ミクロハンターレンズ」一般発売

• 

  動画を見るマウスの脳活動から映像をAIで復元　スイスの研究者ら「CEBRA」開発

• 

  脳の血管にロボット注入、音で操作し自在に移動　マウス実験に成功　スイスの研究チームが発表

• 

  カメラに「存在しないもの」を見せるサイバー攻撃　離れた場所から電波を送信　成功率は99％

• 

  プラチナ主成分の新鉱物「苫前鉱」　東大の研究チームが北海道で発見