AI造血器疾患自動診断システムの構築

AI造血系统疾病自动诊断系统构建

• 批准号: 20K20230
• 负责人: 堀内 裕紀
• 金额: $ 2.66万
• 依托单位: Juntendo University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K20230/
• 关键词: 人工知能; 深層学習技術; 末梢血塗抹標本; デジタル画像; 細胞分類; 異常コメント; 血液形態検査; 人工知能(AI); AI自動血球形態解析; AI造血器腫瘍診断支援; 骨髄像自動分析システム; 診断支援システム

我々はAI深層学習技術を用いて末梢血AI血球形態自動分析システム(AI自動分析システム)を開発してきた。本研究では、このシステムを利用し、実際の日常検査標本においての細胞分類性能と異常細胞検出能を評価した。方法:約100万細胞のデジタル画像を学習してAI自動分析システム（細胞分類と形態異常コメントを提示）を構築した。末梢血塗抹標本から血液像自動分析装置DI-60によりデジタル細胞画像を取得した。AI自動分析システムの評価には、日常検査で目視検査を施行した末梢血塗抹標本589検体（ALL 26、AML 52、Lymphoma 84、MDS 97、MPN 50、造血器腫瘍以外 66、正常検体214）から得られた139,378 画像を用いた。血液検査技師（3名）による評価との一致率を求めた。結果：細胞分類能の一致率は全17分類で97.3%以上であった。異常コメントの一致率は、悪性リンパ腫群ではリンパ球異常コメント12種類のうち11種類が90%以上、MDS群では成熟好中球異常コメント16種類のうち12種類が90%以上であった。検査室で異常細胞ありと判断された標本は118枚で、そのうち115枚（97.5％）は、AI自動分析システムが1細胞以上の『芽球』を検出した。AIで芽球が検出できなかった3標本は検査室でも『芽球』ではなく『形質細胞様細胞』として異常細胞が検出された標本であった。AI自動分析システムはこの3標本中2標本において「形質細胞様」というリンパ球異常コメントを付与していた。AI自動分析システムを用いて細胞判別とともに異常コメントを使用することによって118標本中117標本(99.2%)の異常細胞を検出することができた。これより本システムは「標本単位」での異常検出に十分活用できる可能性が示唆され、来年度以降は偽陽性の軽減、多施設でのロバストネス評価も行っていく。

I 々 は AI deep learning technology を with い AI automatic blood cell morphology analysis て peripheral blood シ ス テ ム (AI automatic analysis シ ス テ ム) を open 発 し て き た. This study で は, こ の シ ス テ ム を using し, be interstate の 検 daily check specimen に お い て の cell classification performance と abnormal cells 検 out を review 価 し た. Method: about 1 million cells の デ ジ タ ル portrait を learning し て AI automatic analysis シ ス テ ム (cell classification と form abnormal コ メ ン ト を tip) を build し た. Peripheral blood smearing specimens デジタ ら blood image automatic analysis device DI-60によ によ デジタ を を cell image を obtained た. AI automatic analysis シ ス テ ム の review 価 に は, daily 検 check で visual 検 を imposed し た peripheral blood smear specimen 589 検 body (ALL 26, 84, MDS 97 AML 52, Lymphoma, MPN, hematopoietic swollen sores beyond 66, 50 normal 検 body 214) か ら must ら れ た 139378 Portrait を with た た. Blood 検 examination technicians (3 positions) による evaluation 価と <s:1> consistency rate を seek めた. Result: The <s:1> consistency rate of cell classification で for all 17 classifications is over 97.3% であった. Abnormal コ メ ン ト の は consistent rate, 悪 リ ン パ swollen group で は リ ン パ ball abnormal コ メ ン ト 12 kinds の う ち 11 kinds が by more than 90%, MDS group で は mature good ball in abnormal コ メ ン ト 16 kinds の う ち 12 kinds が 90% で あ っ た. 検 check room で abnormal cells あ り と judgment さ れ た specimen は 118 で, そ の う ち to 115 (97.5%) は, AI automatic analysis シ ス テ ム が more than one cell の "gemmule" を 検 out し た. AI で gemmule が 検 out で き な か っ た 3 specimens は 検 check room で も "gemmule" で は な く "others in character cells" と し て abnormal cells が 検 out さ れ た specimen で あ っ た. AI automatic analysis シ ス テ ム は こ の three specimens of two specimens に お い て "others" character cell と い う リ ン パ ball abnormal コ メ ン ト を give し て い た. AI automatic analysis シ ス テ ム を with い て cells discriminant と と も に abnormal コ メ ン ト を use す る こ と に よ っ て in 118 specimens of 117 specimens (99.2%) の abnormal cells を 検 out す る こ と が で き た. こ れ よ り this シ ス テ ム は "specimen 単" で の abnormal 検 に very use で き が る possibility in stopping さ れ, annual to drop は false-positive の 軽 subtraction, many facilities で の ロ バ ス ト ネ ス review 価 も line っ て い く.

项目成果

Evaluation of Blood Cell Classification Performance and Detection of Abnormal Hematopoietic Cells in Peripheral Blood Smears by a Novel Automated Image Analysis System Using Deep Convolutional Neural Network

利用深度卷积神经网络的新型自动图像分析系统评估血细胞分类性能并检测外周血涂片中的异常造血细胞

• 发表时间: 2023
• 作者: Yuki Horiuchi;Kenji Tayama;Akihiko Matsuzaki;Kumiko Nishibe;Kimiko Kaniyu;Yosuke Iwasaki;Aya Konishi;Yoko Tabe
• 通讯作者: Yoko Tabe

A novel multi-modal deep learning diagnostic support system for MDS and MPN using CBC related parameters and cell morphology.

一种使用 CBC 相关参数和细胞形态的新型 MDS 和 MPN 多模态深度学习诊断支持系统。

• 发表时间: 2020
• 作者: Konobu Kimura;Tomohiko Ai ;Yuki Horiuchi ;Akihiko Matsuzaki ;Kumiko Nishibe ;Kimiko Kaniyu ,Setsuko Marutani ;Ikki Takehara ,Kinya Uchihashi ;Akimichi Ohsaka ;Yoko Tabe .
• 通讯作者: Yoko Tabe .

AI/深層学習を応用した末梢血液形態の自動解析と骨髄異形成症候群および骨髄増殖性疾患の診断支援の試み．

尝试利用人工智能/深度学习自动分析外周血形态，支持骨髓增生异常综合征和骨髓增生性疾病的诊断。

• 发表时间: 2020
• 作者: 木村 考伸; 藍 智彦; 堀内 裕紀; 竹原 一起; 内橋 欣也; 田部 陽子
• 通讯作者: 田部 陽子

COVID-19患者の重症化予測マーカーとしての顆粒リンパ球数と赤血球分布幅(RDW-SD)の変化．

颗粒淋巴细胞计数和红细胞分布宽度（RDW-SD）的变化作为预测 COVID-19 患者严重程度的标记。

• 发表时间: 2021
• 作者: 堀内裕紀;林 文明;岩崎 陽介;松崎 昭彦;西部 久美子;蟹由 公子;内橋 欣也;三井田 孝;藍 智彦;田部 陽子
• 通讯作者: 田部 陽子