人工知能技術(ＡＩ)を併用した術中免疫組織化学染色への取り組み

点击翻译按钮获取中文摘要

迅速診断時に施行した術中迅速免疫組織化学染色と、永久標本のFFPE切片上で施行した通常の免疫組織化学染色の標本から、Whole slide image(WSI)を作成し、深層学習を行わせ、免疫染色結果を予測させるAIモデルを作製し、その有用性・妥当性を検討する。今年度は、膠腫と診断した症例50例の、迅速診断および永久標本でのHE染色（参考データ）およびATRX, IDH1, p53, Olig2, GFAP, Ki-67の免疫組織化学染色のWSIを作成し、各イメージから、倍率200倍でJPEG画像を1症例から数枚ずつ切り出した。Convolutional Neural Network による病変組織の分類モデルを構築し、まず始めに、p53, ATRX, Olig2の染色結果を判定する組織診断モデルの学習を行った。p53に関して、陽性例から21枚の画像データを作成し、19枚を学習用に、2枚をテスト用として振り分けた。陰性例からも画像データを6枚作成し、半分ずつを学習・テスト用に使用した。Olig2は陽性例から50枚の画像データを作成し、45枚を学習用に、5枚をテスト用とした。ATRXは、陽性例から53枚の画像データを作成し、51枚を学習用に、2枚をテスト用とした。陰性例からも2枚画像を作成し、検討に用いた。結果、p53の判定モデルに関して、陰性例に対する診断精度は、感度は66%, 特異度は100%で、陽性例に対する精度は、感度100%, 特異度66%であった。ATRXとOlig2に関しては、陰性症例の画像データが不足していたため、比較可能なモデルの作成に今年度は至らなかった。