Deep learning-based analysis of probe-based confocal laser microscopic findings to develop a new diagnostic methods of diffuse lung diseases

点击翻译按钮获取中文摘要

末梢肺組織の自家蛍光を直接観察でき、肺の任意の場所に挿入して肺組織の微細所見を得ることができるプローブ型共焦点顕微鏡プローブ (pCLE) 画像を利用して、usual interstitial pneumonia (UIP)とそれ以外の病型を鑑別することを目的に研究を開始した。この技術では肺胞壁・血管壁に分布するエラスチン分子の自家蛍光を利用して観察することで浸襲的な病理検査を行わずに末梢肺組織の微細構造を、光学顕微鏡における約1,000倍の倍率に等しい画像として観察できる。本研究では動画撮影された画像を多数の静止画として取り込み、convolutional neural networkを用いた深層学習によってpCLE像に基づいてUIPを識別させることを目的として研究を進めている。これまで約10年の間質性肺炎症例蓄積をあらためて整理・解析し、学習サンプルとして臨床、画像、病理、予後データの揃った特発性肺線維症-UIP、fibrotic non-specific interstitial pneumonia (fNSIP)、器質化肺炎確定例の症例群のデータを用い、機械学習を行う。研究の早い段階でまずCT画像でも典型的な所見を示すUIPとfNSIPについて動画データから静止画データを抽出し機械学習に用いる。その後、新たに間質性肺炎の画像・病理診断を行う症例でpCLE像の機械判定によるUIP診断の正確性を、臨床・画像・病理の統合的検討による診断と一致するかどうかで前向きに検討する。総合的に本研究ではびまん性肺疾患の内視鏡によるリアルタイム病理診断の確立を目指すことを目的としている。