Artificial staining with deep neural model practial verification

Research Project

Project/Area Number	23K14473
Research Category	Grant-in-Aid for Early-Career Scientists
Allocation Type	Multi-year Fund
Review Section	Basic Section 49020:Human pathology-related
Research Institution	University of Yamanashi
Principal Investigator	川井将敬山梨大学, 大学院総合研究部, 特任助教 (00813239)
Project Period (FY)	2023-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000) Fiscal Year 2026: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000) Fiscal Year 2025: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000) Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000) Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Keywords	疑似染色 / AI / デジタルパソロジー / 病理学
Outline of Research at the Start	本研究は深層学習をベースとした生成する人工知能（AI）を応用して病理画像疑似染色法を確立すること、またその適応、実用性、限界を検証することを企図している。本研究は疑似染色AI技術を発展させ、様々な適応する臓器、染色を検証すること、AIを利用する医師にとっての有用性、疑似染色によって得られる発見やアーチファクトを検証することで、古典的染色法や免疫染色の様な普遍的技術とすることを目指す。
Outline of Annual Research Achievements	本研究は深層学習をベースとした生成する人工知能（AI）を応用して病理画像疑似染色法を確立すること、またその適応、実用性、限界を検証することを企図した。本研究は疑似染色AI技術を発展させ、様々な適応する臓器、染色を検証すること、AIを利用する医師にとっての有用性、疑似染色によって得られる発見やアーチファクトを検証することで、古典的染色法や免疫染色の様な普遍的技術とすることを目指している。令和5年度は経年で退色したHematoxylin&Eosin染色切片をpix2pixモデルを応用して再染色することを試みた。その結果内部検証画像で復元後と退色前の比較でPSNR: 29.05, SSIM: 0.880と良好な性能が得られた。一方で退色の強いデータに適用すると復元が難しいことがわかった。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason データセットの構築が完了し解析のパイプラインがおおむねできたことで実験が順調にすすんだ。疑似染色によって退色を一定程度復元できるが、強く退色したものは復元が難しいことがわかったため、研究の方針を見直すことができた。
Strategy for Future Research Activity	現在のデータセットを拡充し、より多様な病理画像を収集する。特に、様々な退色レベルや異なる臓器のデータを追加することで、解析の精度を向上させる。新たな深層学習モデルや異なるアプローチを導入し、復元能力を向上させる。開発した技術を実際の臨床現場で試験的に運用し、医師からのフィードバックを収集する。学会や論文を通じて研究成果を発表し、広く共有することで、他の研究者からのフィードバックやコラボレーションの機会を創出する。