2022-3-16
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）は，Deep Learning（深層学習）を用いることで，子宮頸がん検診で使用される液状化細胞診デジタル標本において，がんを含む上皮性腫瘍を疑う病変の存在をスクリーニングする人工知能の開発に成功した。今回開発した人工知能を用いることで，液状化細胞診による子宮頸がん検診のスクリーニングの迅速化ならびに精度の向上と均質化が期待される。
また，この開発に関する論文をMDPI（ https://www.mdpi.com
）が発行するCancersに投稿し，2022年2月24日にArtificial Intelligence in Oncologyの特集号にて掲載されたことを発表した。
（掲載箇所： https://www.mdpi.com/2072-6694/14/5/1159
）
■本研究成果の概要
子宮頸がん検診で使用される液状化細胞診（ThinPrep）デジタル標本において，子宮頸部のがんを含む上皮性腫瘍を疑う病変をスクリーニングする人工知能の開発に成功した。子宮頸がん検診は，20歳以上の女性が2年に1度定期的に受診することが推奨されている。
子宮頸がん検診の現場では，多数の細胞検体を迅速かつ精確にスクリーニングすることが求められており，今回開発した人工知能を用いることで，高いスクリーニングの精度を担保しつつ，迅速化することが可能になる。
■本研究の背景
本研究は，これまで同社で研究開発してきた病理組織におけるAI開発に加え，子宮頸部腫瘍性病変のスクリーニングを目的とした液状化細胞診（ThinPrep）における深層学習による病理AI開発である。
わが国の女性におけるがんの中で，子宮頸がんは比較的多く，20歳代から40歳代の女性で近年増加傾向が認められる。子宮頸がん検診の重要性は広く周知されており，細胞診は子宮頸がん検診の現場で推奨されている検査方法。
近年の子宮頸がん検診では，不適切標本の回避や，子宮頸がん発症に深く関与するヒトパピローマウイルス（HPV）検査の重要性などを背景として，液状化細胞診（Liquid-based cytology：LBC）が急速に普及してきている。
以上の臨床的背景から，本研究の目的は，子宮頸部液状化細胞診（ThinPrep）デジタル標本において，がんを含む上皮性腫瘍を疑う病変の存在をスクリーニングすることが可能な人工知能を，深層学習を用いて開発することにある。
■本研究の内容
本研究では，国内の施設から提供を受けたThinPrep法により作製された子宮頸部液状化細胞診標本をデジタル化し，病理医および細胞検査士によるアノテーションデータを含む教師データを，畳み込みニューラルネットワーク（CNN）および回帰型ニューラルネットワーク（RNN）を併用して深層学習させることで，子宮頸部の上皮性腫瘍を疑う病変の存在を細胞レベル並びにバーチャルスライド（whole-slide image）レベルでスクリーニング可能な人工知能を開発した。また，開発した人工知能は，教師データとは異なる検証データを用いて，精度の検証を行った。
■本研究の成果
開発した人工知能モデルを検証したところ，子宮頸部上皮性腫瘍においてROC-AUCが0.960という極めて高い精度の結果が得られた。また，ヒートマップにより表示された人工知能が識別した上皮性腫瘍を疑う細胞については，複数の病理医および細胞検査士による検証の結果，妥当であることが確認された。
以上のことから，子宮頸部液状化細胞診（ThinPrep）デジタル標本において，高精度に上皮性腫瘍を疑う病変の存在をバーチャルスライド（whole-slide image）および細胞レベルでスクリーニングする人工知能の開発に成功した。
本研究成果のポイントは，標本単位（バーチャルスライド単位：whole-slide image）ならびに標本内の細胞単位で，子宮頸部のがんを含む上皮性腫瘍を疑う病変の存在を推論することが可能になり，デジタル化された大量の標本をシームレスに深層学習型人工知能により解析できることにある。
今回開発した深層学習型人工知能モデルについて，複数施設ならびに大規模症例にて検証試験をさらに進めていく。
■原著論文
▼論文タイトル：A deep learning model for cervical cancer screening on liquid-based cytology specimens in whole slide images
▼日本語訳：液状化細胞診（ThinPrep）デジタル標本における「子宮頸部の上皮性腫瘍を疑う病変」のスクリーニングを可能にする深層学習を用いた人工知能の開発
▼DOI： https://doi.org/10.3390/cancers14051159
■著者・所属
＜札幌厚生病院 医療技術部 臨床検査技術科＞
廣瀬 尚樹，石井 貴裕，福田 彩夏
＜札幌厚生病院 病理診断科 主任部長＞
市原 真
＜メドメイン（株）＞
常木 雅之，Fahdi Kanavati
病理AIによる解析
●問い合わせ先
メドメイン（株）
https://medmain.com