权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Pathological diagnosis based on integration of morphological images and multi-layer omics data by artificial intelligence

基于人工智能融合形态学图像和多层组学数据的病理诊断

基本信息

批准号：
21H02705
负责人：
金井弥栄
金额：
$ 11.23万
依托单位：
Keio University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

病理診断は従来から、がん等の臨床症例の最終診断を担ってきたが、がんゲノム医療が社会実装された今日にあっては、従来通り形態像のみに基づく組織型分類にとどまるべきではない。病理診断学は、ゲノム等オミックス情報を取り込んで、ブレイクスルーを果たすべきである。折しも人工知能 (AI)研究が隆盛を迎え、病理画像はAIによるモデル構築に適した素材である。そこで本研究は、AIの適切な支援を受けることにより、病理形態像とオミックス情報を融合させ、がんの治療奏効性・有害事象・予後を予測する深層学習モデルを構築することを目的とする。予測時のAIの着眼点を可視化し、形態学的診断基準に翻訳することにより、病理医が顕微鏡で見るだけでモデルと同等の治療奏効性・有害事象・予後予測を可能にすることを目指す。本研究は「病理医とAIの創造的協働による、オミックス情報を統合した新しい病理診断の創出」を図るものである。2021年度までに腎細胞がん学習コホート104症例の手術検体の病理プレパラートバーチャルスライドデータを用い、また剖検症例の肝・肺・心・胃等正常主要臓器の光学顕微鏡画像による転移学習をもとに、オーロラキナーゼ阻害剤の適応となる可能性のある予後不良なCpGアイランドメチル化形質 (CIMP) 陽性腎細胞がんの、畳み込みニューラールネットワーク (CNN)モデルを構築した。2022年度には、転移学習の手法に改良を加えた。さらに、gradient-weighted class activation mappingを用いて、CNNモデルがCIMP陽性・陰性の判別時に病理画像のどの領域に着目しているか可視化して、「病理組織学的CIMP診断基準」を構築した。さらに、モデルの予後予測力等をさらに向上させるため、エピゲノム情報 (CIMPの有無)と統合すべきグライコプロテオーム情報を取得した。

Pathological diagnosis of clinical cases, such as the final diagnosis, medical treatment, social equipment, etc. Pathological diagnosis is the result of a search for information such as: Artificial intelligence (AI) research is a good idea, and pathology is a good idea. This study aims to provide appropriate support for AI, to integrate pathological information, to predict therapeutic effects, to predict harmful events, and to construct deep learning systems. Prediction of AI focus visualization, morphological diagnostic criteria, pathology, microscopy, equivalent therapeutic effects, adverse events, prediction of possible results This study aims at "the collaboration between pathologists and AI in the creation of new pathological diagnosis". In 2021, the kidney cells in 104 cases of surgical specimens were studied by optical microscopy, and the liver, lung, heart and stomach in 104 cases of surgical specimens were studied by optical microscopy. The kidney cells in 104 cases were studied by optical microscopy. The renal cells in 104 cases were positive for CpG.畳み込みニューラールネットワーク (CNN)モデルを构筑した。In 2022, the improvement of learning methods was added. In addition, gradient-weighted class activation mapping was used, CNN was used to determine whether CIMP was positive or negative, and the field of pathological imaging was visualized."Pathological CIMP diagnostic criteria" was constructed. In addition, the future prediction force of the CIMP can be obtained from the CIMP information.

项目成果

期刊论文数量（30）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Quantification of DNA methylation for carcinogenic risk estimation in patients with non-alcoholic steatohepatitis.

对非酒精性脂肪性肝炎患者的致癌风险估计的DNA甲基化定量。

DOI：
10.1186/s13148-022-01379-4
发表时间：
2022-12-05
期刊：
CLINICAL EPIGENETICS
影响因子：
5.7
作者：
Kuramoto, Junko;Arai, Eri;Fujimoto, Mao;Tian, Ying;Yamada, Yuriko;Yotani, Takuya;Makiuchi, Satomi;Tsuda, Noboru;Ojima, Hidenori;Fukai, Moto;Seki, Yosuke;Kasama, Kazunori;Funahashi, Nobuaki;Udagawa, Haruhide;Nammo, Takao;Yasuda, Kazuki;Taketomi, Akinobu;Kanto, Tatsuya;Kanai, Yae
通讯作者：
Kanai, Yae

DNAメチル化状態を指標とする非アルコール性脂肪性肝炎からの肝発がんリスク予測.

以 DNA 甲基化状态为指标预测非酒精性脂肪性肝炎导致的肝癌风险。