2021 年度実施状況報告書

子宮頸部腺系病変早期発見のための新しいAI細胞診の確立

研究課題

研究課題/領域番号	20K09635
研究機関	公益財団法人がん研究会
研究代表者	杉山裕子公益財団法人がん研究会, 有明病院細胞診断部, 部長 (80322634)
研究分担者	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)
研究期間 (年度)	2020-04-01 – 2023-03-31
キーワード	子宮頸部腺系病変 / 細胞診 / AI診断
研究実績の概要	本研究の目的は子宮頸部腺系病変早期発見のために、細胞診にて異型腺細胞(AGC)と判定された検体を組織診断結果に基づいて正確に層別化する事である。研究計画書に基づいて、2021(R03)年度は細胞診にて子宮頸部腺系病変を推定する異型腺細胞(AGC)と判定された細胞診標本からZ軸情報を含む広視野・高解像度のフルフォーカス合成画像を作成し、組織診結果に基づいてAIによる深層学習を行なった。以下にその成果を示す。 1.フルフォーカス画像を598pixelで切り抜き5490枚の切り抜き画像を作成した。この切り抜き画像を病変（AGC）と非病変（AGCでない）に分類し、最終的に病変画像（AGC）3058枚、非病変画像（AGCでない）1925枚に分類し各々教師データとして用いた。 2.1.の教師データを用いて、各種AIモデルによる深層学習をおこなった。 3.各種AIモデルから得られた、病変（AGC）と非病変（AGCでない）を区別するベストスコアの正解率(A)と損失関数(L)を採取法別に記載すると、従来法：A 0.88, L 0.47、 LBC SurePath (LS)法：A 0.89, L 0.48、LBC ThinPrep (LT)法：A 0.85, L 0.49であった。正解率(A)はLS, 従来法, LTの順に高く、損失関数(L)は従来法, LS, LTの順に良い結果であった。以上よりいづれの採取法でも従来の細胞診精度である、感度80-84%,を上回る結果であった。 (LBC: liquid-based cytology)
現在までの達成度 (区分)	現在までの達成度 (区分) 2: おおむね順調に進展している理由 2021(R03)年度は、細胞診標本から取得されたZ軸情報を含む広視野・高解像度のフルフォーカス合成画像を用いて AI による深層学習を計画し実施した。以下に各項目に関しての現在までの達成度について記載する。 1. フルフォーカス合成画像の取得：細胞診でAGCと判定された47例133検体（従来法：47検体、 ThinPrep LBC：43検体、 BD シュアパスLBC: 43検体）のフルフォーカス画像取得が終了した。 2. AI による深層学習: 1で作成したフルフォーカス画像を598pixelで切り抜き5490枚の切り抜き画像を作成した。この切り抜き画像を病変（AGC）と非病変（AGCでない）に分類し、最終的に病変画像（AGC）3058枚、非病変画像（AGCでない）1925枚に分類し各々教師データとした。この教師データを用いて、各種AIモデルによる深層学習を行い、病変（AGC）と非病変（AGCでない）を区別するベストスコアの正解率(A)と損失関数(L)を採取法別に取得した。
今後の研究の推進方策	2022(R04)年度は当初の研究計画通り以下の作業を行う。 AI による深層学習: 2021(R03)年度に得たれた病変（AGC）と非病変（AGCでない）を区別するAIに加えて、2022(R04)年度は組織診結果に基づいて病変（AGC）を細分化するためのAIによる深層学習を行う。その結果本研究の最終目的である子宮頸部腺系病変において、従来の細胞診より精度の高い新しいAI支援細胞診断システムの開発を目指す。
次年度使用額が生じた理由	新型コロナウイルス感染症防止対策上院内への外部業者立ち入りが制限された影響により、当初予定していた外部業者への委託業務(フルフォーカス合成画像の取得)に遅れが生じた。2022(R04)年度は、外部業者への委託業務に依存しない方法で、既に得られた画像を用いて画像解析を行い、本研究の目的を達成する予定である。