A novel 3D-AI cytology for the early detection of cervical glandular lesions.

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K09635
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 56040:Obstetrics and gynecology-related
• Research Institution: Japanese Foundation for Cancer Research
• Principal Investigator: SUGIYAMA Yuko 公益財団法人がん研究会, 有明病院 細胞診断部, 部長 (80322634)
• Co-Investigator(Kenkyū-buntansha): 佐藤 由紀子 公益財団法人がん研究会, 有明病院 病理部, 副医長 (30365712) ; 芝 清隆 公益財団法人がん研究会, がん研究所 蛋白創製研究部, 部長 (40196415)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 子宮頸部腺系病変 / 細胞診 / AI診断

Outline of Final Research Achievements

Objective: To establish an AI-aided diagnosis system for cervical cytology especially focus on the cervical glandular lesions. Methods: Cytology specimens classified as atypical glandular cells (AGC) were captured by wide range high resolution images and merged Z-axis image (Z-stack image). Z-stack images used for deep learning.
Results: Accuracy of AI-aided diagnosis system according to the sample were as follow, conventional method:88%, SurePath liquid-based cytology method 89%, ThinPrep liquid-based cytology method 85%.

Free Research Field

婦人科腫瘍学

Academic Significance and Societal Importance of the Research Achievements

本研究の結果、AIによる深層学習を利用した正解率は85-89%であり従来の細胞診の感度80-84%を上回ったが十分有意な結果とは言えなかった。その原因として、今回AI学習に用いたフルフォーカス合成画像はZ軸情報を合成した2D画像であったことが推定された。一般的に腺系病変は組織構築の変化が主体となる病変であるためZ軸情報がそのまま温存された立体的（3D）画像で学習した方がより正解率が上昇すると考えられた。以上より精度の高いAI細胞診システム構築のためには、3D画像取得可能な画像解析システムのイノベーションが必要であることが想定された。