自家蛍光顕微鏡画像を用いた肺腺癌浸潤AI予測モデル構築と術中診断への応用

• Project/Area Number: 21K08905
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 55040:Respiratory surgery-related
• Research Institution: The University of Tokushima
• Principal Investigator: 滝沢 宏光 徳島大学, 大学院医歯薬学研究部(医学域), 教授 (90332816)
• Co-Investigator(Kenkyū-buntansha): 近藤 和也 徳島大学, 大学院医歯薬学研究部(医学域), 教授 (10263815) ; 宮本 直輝 徳島大学, 病院, 助教 (00865305)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Project Status: Granted (Fiscal Year 2022)
• Budget Amount: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000); Fiscal Year 2023: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000); Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2021: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
• Keywords: 肺腺癌 / 浸潤診断 / 縮小手術 / 自家蛍光 / 人工知能

Outline of Research at the Start

自家蛍光顕微鏡で未染の肺組織を観察すると，肺胞の骨格構造を成す肺胞弾性線維網に一致した強い自家蛍光が観察される．そして肺腺癌の浸潤部位においては，この自家蛍光を発する肺胞弾性線維網に肥厚や断裂などの構造変化が確認される．本研究では，肺腺癌の自家蛍光顕微鏡画像を機械学習アルゴリズムに学習データとしてインプットし，浸潤予測モデルを構築することを目的とする．小型肺腺癌の術中診断にこのモデルを用いることができれば，再発リスクの低い症例を適格に選別し肺機能を温存する術式を適応できるようになる．

Outline of Annual Research Achievements

本研究の目的は、肺腺癌手術検体から新鮮凍結切片を作成し、自家蛍光顕微鏡を搭載したデジタルスライドスキャナーにより取得された画像情報からAIによる解析にて肺腺癌の浸潤範囲を術中診断するシステムを構築することである。自家蛍光顕微鏡を用いると、通常の術中病理診断のように染色の必要がなく、極短時間で肺胞の骨格構造を成す肺胞弾性線維網の高精細な画像取得が可能である。その肺胞弾性線維網は、肺腺癌の非浸潤部位においては規則的な網目状のパターンを呈するのに対し、浸潤部位においては断裂や不規則な肥厚などのパターンを示すことがわかっている。CT画像で、すりガラス陰影を伴う肺腺癌症例の切除標本30例分（病理学的に浸潤癌を含む20例と、AIS 10例）を選定し、ホルマリン固定パラフィン包埋標本から切片を作成した。デジタルスライドスキャナー（BZ-X800）を用い、未染色のスライド全体の自家蛍光顕微鏡画像（100倍）を取得した後に、同一スライドに対してEVG染色を行った上で標本全体の画像（100倍）を取得した。病理医に指導を受けた外科医2名がディスカッションを行いながら腺癌の浸潤範囲に着目し、①明らかな浸潤部位、②明らかな非浸潤部位、③浸潤・非浸潤同定困難部位、④血管、気管支を含む正常構造部位、に分類し、①、②および③の部分に対応した未染色のスライドの自家蛍光顕微鏡画像を機械学習アルゴリズムに学習データとしてインプットし、浸潤の予測精度を向上させるプロセスを行っている。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

本研究においては機械学習アルゴリズムに学習データとしてインプットするデータの精度が、研究成果を左右すると予想される。このため、学習データ作成前のデータ作成クライテリア決定に時間をかける必要があった。肺腺癌の浸潤範囲を再現性をもって特定することは病理医でも難しい作業であるため、浸潤および非浸潤が明らかな部位のみをデータとして抽出することとした。その結果、1症例から得られるデータが少なくなり、多くの症例の標本評価を行う必要が生じたため時間を要する結果となった。

Strategy for Future Research Activity

未染色のスライド全体の自家蛍光顕微鏡画像（100倍）にアノテーションを付加する作業は進んでいる。その画像を分割したデータを学習データとしてアルゴリズムを作成する段階に入っており、浸潤診断の精度を上げていく予定である。具体的には、①明らかな浸潤部位、②明らかな非浸潤部位、③浸潤・非浸潤同定困難部位、④血管、気管支を含む正常構造部位、に分類し、①、②および③の部分に対応した未染色のスライドの自家蛍光顕微鏡画像を機械学習アルゴリズムに学習データとしてインプットし、サンプル症例の自家蛍光顕微鏡画像（未染色）上に①②のエリアをプロットする。その画像とEVG染色との対比を繰り返し行い、肺癌浸潤部位の同定精度を向上させることができるように学習データの取捨選択を行い、アルゴリズムを作成していく。