多臓器において腺癌を高精度に検出する病理AIの開発に成功

最終更新日:2024/01/29

腺癌を検出する病理AI開発に成功

メドメインは、Deep Learningの学習様式である「弱教師あり学習」を用いることで、多臓器の病理組織デジタル標本において、腺癌を高精度に検出する人工知能の開発に成功しました。

デジタル病理支援ソリューション「PidPort」を提供するメドメイン株式会社は、Deep Learningの学習様式である「弱教師あり学習」を用いることで、多臓器（胃・大腸・肺・乳腺・リンパ節）の病理組織デジタル標本において、腺癌を高精度に検出する人工知能の開発に成功しました。

また、この開発に関する論文をPLOSが発行するPLOS ONEに投稿し、11月に論文が掲載されました。

この研究では、国内の複数の医療機関から、胃・大腸、肺、乳腺、リンパ節のHE染色病理組織標本の提供を受け、教師用データには、「胃、大腸、肺、乳腺」の標本のみを用いられ、弱教師あり学習のみを行われました。それにより、病理医によって精密かつ大量にアノテーションされた教師用データを用いることなく、腺癌を広汎な臓器で検出する深層学習型人工知能が開発されました。

また、開発した人工知能はリンパ節については一切の情報を学習時に付加せずに、教師用データとは異なる検証症例（胃、大腸、肺、乳腺、リンパ節）を用いて精度検証が行われました。

この研究で開発した腺癌検出を行う人工知能モデルを検証したところ、胃・大腸・肺・乳腺においてROC-AUC*が0.912~0.978、リンパ節においては、ROC-AUCが0.962という高い精度が得られました。加えて、ヒートマップにより表示された人工知能が検出した腺癌を示唆する領域は、病理医による検証の結果、妥当であることが確認されました。

ROC-AUC：機械学習のモデルに使用される評価指標の一種、1に近いほど優れている

リンパ節においては、学習時に情報を一切付与していないため、この研究で開発した人工知能はある程度の汎用性を持って、「腺癌」という形態的特徴を認識して検出できたことが示唆されます。

この研究における最大のインパクトは、ある程度広汎な理解として「腺癌の形態的特徴」を検出する深層学習型人工知能の開発に成功したことです。

さらに、本研究成果で得られた人工知能は、リンパ節に転移した腺癌を高精度にスクリーニング・検出する能力を有しており、転移リンパ節のスクリーニングなどに利用できると考えられます。

メドメインでは今回開発した人工知能モデルの検証を、更に複数の施設ならびに大規模症例にて行い、検証を進めるとともに、胃・大腸・肺・乳腺・リンパ節以外の臓器においても、検証を進めていく方針だということです。また、研究成果を基盤として「汎用性」という概念を補強していく人工知能の開発も進めていくとしています。

出典：PR TIMES

AIsmiley編集部

株式会社アイスマイリーが運営するAIポータルメディア「AIsmiley」は、AIの専門家によるコンテンツ配信とプロダクト紹介を行うWebメディアです。AI資格を保有した編集部がDX推進の事例や人工知能ソリューションの活用方法、ニュース、トレンド情報を発信しています。

・Facebookでも発信しています @AIsmiley.inc
・Xもフォローください @AIsmiley_inc
・Youtubeのチャンネル登録もお願いいたします@aismiley
メルマガに登録する