2023 Fiscal Year Research-status Report
高精度病理画像解析によるびまん性大細胞型B細胞リンパ腫の微細環境層別化
| Project/Area Number |
23K07813
|
|---|
| Research Institution | Okayama University |
|---|
Principal Investigator |
谷 勝真 岡山大学, 医学部, 客員研究員 (00973257)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
千々松 良太 岡山大学, 大学病院, 助教 (60803210)
遠西 大輔 岡山大学, 大学病院, 研究教授 (20825096)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Keywords | びまん性大細胞型リンパ腫 / 病理解析 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究では1000例を超えるびまん性大細胞型リンパ腫（DLBCL）の大規模コホート検体を対象に、病理画像を微小環境単位で解析するImage Patch-metryを提案している。これを連続切片間の高度な位置合わせ技術により、複数種類の抗原で検出した染色画像間の統合を行い、微細環境のプロファイリングおよびそれを元にした患者層別化を行うことでがん個別化医療への情報基盤を構築していく。
我々のDLBCLコホートにおいて、TMAブロックを作成し、腫瘍抗原および微細環境抗原を含めた20種類の免疫染色を施した。スライドスキャナーを用いて高解像度のままデジタル病理画像へ変換し、テクニカルfailを除いて計600例を解析対象として選抜した。
連続切片間の位置合わせ手法として、アフィン変換/ホモグラフィ変換/B-spline変換を検討し、各TMAレベルで各染色データのregistrationを完了させたうえ、各TMAを100 μm辺のパッチに分割させた状態で微小レベルでの位置合わせも完了させた。
細胞検出には深層学習モデルを使用し、細胞核を高精度に分離させたほか、細胞外構造に関してはセマンティックセグメンテーションモデルを用いたピクセル分類を実施した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度で全ての検体収集、解析コホートのデジタル化まで完了させたほか、この研究に適した深層学習モデルの用意まで終了している。
|
| Strategy for Future Research Activity |
DLBCLの各症例内に潜む、細胞レベル構造レベルの微細な位置情報解析を進めていく。
|
| Causes of Carryover |
試薬の到着の遅れがあったため、次年度に持ち越した。全体の計画に基づいて行使する。
|
