順天堂大学の研究チームが畳み込みニューラルネットを用いた自動画像分析システムによる腫瘍性血液疾患の鑑別診断支援システムを開発

課題

高齢患者が増加する一方で、医療従事者の不足や専門医の偏在化が進んでいます。このような状況の中、専門的医療技術を補うAI 技術の開発と実用化が求められています。

腫瘍性血液疾患である骨髄異形成症候群(※1 MDS: myelodysplastic syndrome)と非腫瘍性血液疾患である再生不良性貧血(※2 AA: aplastic anemia)は血液の細胞数が減少する共通する特徴を持ちます。この二つは、血液検査によりどちらかの発生を発見することができます。しかし、そのどちらかを見極めるためには、骨髄異形成症候群に特徴的な形態異常を持つ細胞の有無が重要です。検査には医療従事者の人手不足が深刻となる中でも熟練した技師や医師による顕微鏡検査が必要になりますが、AIの導入は医療従事者の負担を軽減し、精密な医療へと進める一歩となるはずです。

解決方法

順天堂大学大学院医学研究科次世代血液検査医学の研究グループは、さまざまな疾患の血液細胞画像を深層学習技術を用いて解析し、血液細胞の高精度自動識別を可能にする画像認識システムを開発しました。この成果は、Nature系のオープンアクセス誌Scientific Reportsに掲載されました。

この研究では、血液形態検査の自動化を実現することを第一の目的とし、深層学習技術を用いて自動分析システムによる血液細胞形態の分析精度の向上に取り組みました。さらに、自動分析システムに疾患特異的な血液細胞の形態情報を組み入れることによって、基本的検査の段階でのスクリーニング診断支援システムの開発を目指しました。

まず白血病や骨髄異形成症候群や再生不良性貧血などの血液疾患の他、感染症や健常人を含む3,261症例の末梢血液標本を用いて、1標本あたり約200個の血液細胞を自動撮像し、計695,030個の血液細胞のデジタル画像を取得しました。それぞれの血液細胞画像に対して、エキスパート技師が17種類の細胞種別分類と97種類の形態異常判別を実施し、血液細胞画像のデータベースを構築しました。次に、このデータベースを用いて畳み込みニューラルネットワークを学習させました。

https://prtimes.jp/main/html/rd/p/000000132.000021495.html

どうなったか

 17種類の血液細胞と97種類の細胞形態に対して、認識実験を行い、ある細胞をその細胞と判別する割合を表す感度は最小でも93.5%、ある細胞でない場合に違うと判定する割合を表す特異度は最小でも96.0%となりました。また、骨髄異形成症候群の再生不良性貧血判別では、96.2%の感度、100%の特異度となり(エリアアンダーカーブ(AUC)は0.990)となり高精度な細胞分類性能と形態異常検出性能をもつAI自動分析システムを開発することができました。

また、このAI分析システムでは特定の疾患で出現する血液細胞の形態情報をもとに、腫瘍性血液疾患である骨髄異形成症候群と非腫瘍性血液疾患である再生不良性貧血の鑑別診断が可能であることを実証しました。

本成果は、AI自動分析技術による血液形態検査の自動化やスクリーニング診断支援の実用化に道を示したと研究チームは述べています。

まとめ

今後はAIシステムを医療現場に還元していくための実用化研究を推進していき、さらに感染症など、より一般的な疾患の診断支援への応用を目指し、多種類の検査データを組み入れることによってシステムの開発を進めるようです。また、白血病などの血液疾患の確定診断に不可欠である骨髄検査の自動化を次の目標とし、骨髄中の細胞の自動識別に挑戦し、確定診断に踏み込んだAIシステムの開発を目指します。

参考資料

※1 骨髄異形成症候群(myelodysplastic syndrome、MDS):骨髄中の造血幹細胞の異常によって正常な血液細胞が造られなくなる疾患。血液細胞の減少と、形態の異常が生じる。腫瘍性疾患であり、白血病に移行する場合がある。

※2 再生不良性貧血(aplastic anemia、AA):骨髄中の造血幹細胞が障害され、血液細胞が減少する非腫瘍性疾患。

(蒲生由紀子・森裕紀)