|
病理組織標本はがん細胞そのものやがん細胞と間質の細胞との相互作用が作り出す組織形態を通してがんに関する様々な情報を与えてくれる。近年、病理組織スライド全体を専用のスキャナで取り込んだWhole Slide Image(WSI)が得られるようになり、組織画像のデジタル化が進んでいる。しかし、大量のWSIを効率よく客観的・定量的に評価する技術が存在しないため、ゲノム情報のように数千-数万症例規模の比較解析による新たな知見の獲得が困難になっている。
申請者は、これまで深層学習技術を用いてがん種横断的に組織学的特徴を数値化する独自技術を開発してきた。本研究ではこの技術を用い、多種多様な組織像を体系的に収集・分類することであらゆる組織形態を含んだリファレンスデータを構築する。さらに、このリファレンスデータを用いてWSIに含まれる組織全体を数値化し、人手によるWSIの前処理を行うことなく大量のWSIを客観的、定量的に評価するための汎用的な解析基盤を開発する。またこの解析基盤を用いて多くのWSIを解析することで、臨床的に重要な知見の獲得を目指す。
令和3年度は組織形態リファレンスの構築に必要な病理組織WSIの収集と整理を行った。既に保有しているThe Cancer Genome Atlas (TCGA)、Genotype-Tissue Expression (GTEx)の組織像に加え、複数の医療機関から脳腫瘍、頭頸部腫瘍などの希少腫瘍を含む多種多様な症例のWSI画像を数百症例の規模で収集した。
また、H&E画像から上皮細胞、リンパ球など様々な細胞種を検出するニューラルネットワークを学習し、それらの細胞が高い精度で検出可能であることを示した。
|
