| 研究実績の概要 |
脳腫瘍(膠腫)の術中迅速診断に迅速免疫組織化学染色(R-IHC)および人工知能技術(AI)の導入を目的とし、本研究を進めた。
術中に施行した迅速免疫組織化学染色標本と、永久標本FFPE切片で施行した通常の免疫組織化学染色標本から、Whole slide image(WSI)を作成し、 深層学習を行わせ、免疫染色結果を予測させるAIモデルを作製し、その有用性・妥当性を検討した。膠腫と診断した50症例の永久標本および凍結標本でのHE染色(参考データ)およびATRX, IDH1, p53, Olig2, GFAP, Ki-67の免疫組織化学染色のWSI(whole slide image)から作製したJPEG画像および顕微鏡からの直接撮像したJPEG画像(いずれもx200倍)を1800枚追加し、Convolutional Neural Network による病変組織の染色性判定モデルを構築した。p53のモデルではAUC(Area Under Curve)0.83であるものの精度は48%と低く、AI判定モデルとしては実臨床レベルに至っていない。Olig2, ATRXの学習モデルの作製に関しては、両抗体に陰性を示す膠腫症例が少なく、陰性画像の不足が主な原因で十分な結果を出せてなかった。今年度新たに陰性症例を蓄積しデータ拡張を行いながら、AI診断モデルの構築を進めている。また、diffuse midline glioma で核に陽性像を示すH3 K27MもR-IHCで良好な染色性を示すため、AI判定モデルの対象抗体に追加した。現在は技術指導を依頼しているbiomy社の小西氏と最終的なAI判定モデルの検討中で、今年度中には論文化、国内および国際学会での発表を予定している。
|
| 今後の研究の推進方策 |
永久標本によるATRX, Olig2, p53のAI判定モデルの精度向上を確認し、続いて凍結標本におけるR-IHC判定モデルを作製する。R-IHCは永久標本での通常法の染色に比較して若干コントラストが弱く、かつ核染色が薄いため、AI判定モデルが通常法のモデルより精度が劣る可能性がある。その際は、最終調整の段階でデジタル画像のコントラスト調整を追加し、精度の高いAI判定モデルを構築する。現在、精力的に解析作業を進めており、可及的に速やかに本研究を完遂し、日本病理学会総会や国際学会での発表、論文化、脳腫瘍学関連ないし病理学関連のジャーナルへの投稿を行う予定である。
|
