| 研究課題/領域番号 |
20K17280
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
松本 あゆみ 大阪大学, 医学部附属病院, 医員 (40794053)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 人工知能 / 超解像度顕微鏡 / 腎生検 |
|---|
| 研究実績の概要 |
本研究ではAI(Artificial Intelligence)に超解像度顕微鏡画像の情報を組み合わせ、より正確に腎疾患を診断しと腎予後を予測できるAIを構築する。
超解像度顕微鏡を用いた腎組織の評価では、AI診断に用いている染色済みの光学顕微鏡用腎生検組織をそのまま用いて糸球体上皮細胞足突起やミトコンドリア、糸球体基底膜の形態変化が観察可能であることを見出した。さらにこれらの変化を、フーリエ変換を用いて定量評価したところ、糸球体上皮細胞足突起の癒合は尿蛋白量と関連し、ミトコンドリアの形態異常の程度は腎生検後の腎予後を予測可能であることを見出した。上記の結果から、我々が診断に用いている光学顕微鏡用腎組織にはヒトが認知可能な情報以上に、病態を反映する様々な情報が内在しており、アプローチ方法を工夫することでより多くの情報を抽出可能であることが明らかとなった。
AI開発においては、全国多施設の協力を得て5002名の患者のHE染色、PAS染色、PAM染色、MT染色の腎生検バーチャルスライド画像を取得し、臨床データと紐づけたデータセットを構築した。これらの画像からPAS染色画像約26万枚の画像を選んで56 classにアノテーション付けを行い、教師データを作成した。これらのデータセットを用いて学習を行い、最適な学習条件の検討および、性能に影響を与え得る因子の検討を行う方針である。さらに、画像情報のみでなく臨床情報および超解像度顕微鏡画像情報を組み合わせて学習することにより性能の向上を図る。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
本研究におけるAI(Artificial Intelligence)開発では、学習に用いるデータに本質的な情報をより多く含めるため、通常のヒト腎生検の光学顕微鏡画像のみならず超解像度顕微鏡で得られた腎生検画像も用いて腎疾患を診断し腎予後を判定するAIを構築することを目標としている。このためにヒト腎生検の光学顕微鏡用サンプルをそのまま超解像度顕微鏡で観察し、糸球体上皮細胞の足突起の癒合やミトコンドリアの形態異常、糸球体係蹄基底膜の変化などが観察可能であることを見出した。さらに、糸球体上皮細胞足突起およびミトコンドリアについてはフーリエ変換を用い、基底膜病変については画像輝度の変動係数（CV:Coefficient of Variation）を用いて定量評価可能であることを見出した。糸球体上皮細胞足突起の癒合の程度は尿蛋白量と相関し、ミトコンドリアの形態異常は腎生検後の腎機能低下を予測可能であることが明らかとなった。以上の成果について論文報告を行い、現在in pressとなっている。
AI開発については、全国の多施設の協力を得て5002名の腎生検画像をデジタルデータ化し、臨床データと紐づけたデータベースを作成した。データをtraining + validation (T+V) set とtest setに分割し、患者背景などに差が無いことを確認した。T+V setはさらに5分割し、内2つのsubsetsから約26万枚の画像を選んで56 classに分類した教師データを作成した。現在、この教師データを用いてAIの学習を開始し、結果の解析を行っている。
|
| 今後の研究の推進方策 |
AIの学習に用いる画像のサイズやファイル形式、画像取得に用いられた対物レンスの倍率など、性能に影響を与える可能性の因子が複数存在するため、それぞれの因子について検討を行う方針である。また、腎生検画像の判定に適したネットワークの選択を行う方針である。腎生検画像の判定に最適化したネットワークと学習条件を構築したうえで、さらに臨床データや超解像度顕微鏡で得られた腎微細構造の情報を組み合わせ、より的確に腎疾患を診断し、腎予後を予測するAI構築を行う。
|
