最終更新日： 2022年11月4日

デジタル病理支援ソリューション「PidPort（ピッドポート）」を提供するメドメイン株式会社は、Deep Learning（深層学習）の転移学習を用いることで、前立腺の経尿道的前立腺切除術検体の病理組織デジタル標本において、前立腺がんを高精度に検出する人工知能の開発に成功しました。

本研究成果の概要

経尿道的前立腺切除術（Transurethral resection of prostate：TUR-P）検体の病理組織デジタル標本において、前立腺がんを高精度に検出する人工知能の開発に成功。

本研究の背景

本研究は、多様な臓器の多彩な病理組織標本におけるがん組織形態を高精度に検出することを目的に、2021年より継続的に発表している一連の転移学習を用いた人工知能開発¹の成果です。2021年7月に国際発表したPartial fine-tuning法に関する研究論文²を応用し、開発しました。

前立腺がんに関しては、2022年に針生検病理組織デジタル標本における腺がんの検出を可能にする人工知能の開発に成功しましたが、経尿道的前立腺切除術検体では精度が劣る結果となっていました（ROC-AUC：0.74 ~ 0.91³)。

原因としては、経尿道的前立腺切除術検体に高頻度で含まれる前立腺肥大組織や、熱焼却に伴うアーチファクトおよび炎症を、前立腺がんとして誤って検出する場面が多かったことにあります†。そこで、経尿道的前立腺切除術検体については、人工知能モデルを別途開発する必要があり、本研究に至りました。

経尿道的前立腺切除術では、高周波電流にて前立腺を削り取るように組織を切除してくるため、病理組織検体は大量の小さな組織片で構成されます。そのため、プレパラート上に多数の断片的な組織片が配置されるのですが、胃や大腸などの生体検査に比較して組織量が非常に多く、標本枚数も多くなるのが特徴です。また、先述のとおり病理診断に際して熱焼却に伴うアーチファクトの強い検体が散見されるため、顕微鏡下の観察・診断業務における負荷が大きくなります。したがって、病理医の診断補助を可能にする人工知能の開発が望まれているのです。

本研究の内容

本研究では、国内の複数の医療機関から、経尿道的前立腺切除術および針生検の前立腺病理組織標本の提供を受け、弊社の既存開発モデルである大腸低分化腺がんを検出する深層学習型人工知能モデルªを基盤モデルとしています。

その基盤モデルに対してPartial fine-tuning法ºによる転移学習ならびに、弱教師あり学習を行うことで、病理医による精密且つ大量のアノテーションデータを用いることなく、前立腺がんを検出する深層学習型人工知能を開発しました。また、開発した人工知能は、教師データとは異なる検証症例ならびに公的データベース（TCGA）からの症例を用いて、精度の検証を行いました。

本研究の成果

開発したモデルを検証したところ、経尿道的前立腺切除術検体の検証症例において、ROC-AUCが0.98前後という極めて高い精度が得られ、病理医による検証の結果、病理組織学的に妥当であることが確認されました。さらに、強い変性を受けた組織片にも、安定した腺がん検出精度が得られました。実際の病理診断において、変性の強い組織は細胞形態の詳細な観察が困難なため、多くの場合変性所見を差し引いて細胞異型および構造異型を推定し、周囲間質の反応などを加味し、病理医が良悪性を総合的に判断します。本研究で開発した人工知能では、このようなプロセスを踏まずに判断を行うことで、変性した上皮過形成や間質の偽陽性を減少させることに成功しています。

本研究成果のポイントは、前立腺がんの針生検病理組織標本に対する人工知能モデルでは十分な精度が得られなかった経尿道的前立腺切除術検体の病理組織標本において、転移学習・弱教師あり学習を用いることで、弱ラベルを付加した少数の教師データによって、極めて高精度な深層学習型人工知能の開発に成功したことです。また、病理医によるアノテーションデータを用いずとも、熱焼灼など変性した病理組織においても、腺がん領域を安定して検出できたことは、弱教師あり学習がある程度広範な学習適応を有していることを強く示唆しています。

各種関連情報

原著論文

著者・所属

会社概要

各種関連サイト

お問い合わせ先

AINOW

AI/DX専門メディア「AINOW（エーアイナウ）」です。AI/DXのプロジェクトに関わる多くの方々に向けて有益な情報を発信し、国内のAI活用とDX推進を加速させていきます。
TwitterやFacebookでも活動の様子を発信しています！