尿中細胞の深層学習・画像解析による腎疾患早期診断方法の開発

利用深度学习和泌尿细胞图像分析开发肾脏疾病的早期诊断方法

• 批准号: 22K19511
• 负责人: 林 香
• 金额: $ 4.16万
• 依托单位: Keio University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Challenging Research (Exploratory)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-06-30 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K19511/
• 关键词: 慢性腎臓病; 尿中赤血球; Deep learning; 尿サンプル

本研究では、畳み込みニューラルネットワークを用いた画像解析により、尿中の細胞成分を認識し、1)糸球体疾患を示唆する変形赤血球の質的診断、2)腎疾患の活動性を示唆する尿中ポドサイトの認識を目指す。更に3)臨床データ・腎生検組織標本との統合的解析を行う。2022年度は、変形赤血球の質的診断を目指して研究を開始した。血尿を認めた場合、尿沈渣の観察により、出血部位が腎糸球体（糸球体性血尿）か糸球体以外の部位によるものか（非糸球体性血尿）を鑑別することができる。糸球体性血尿では、赤血球が糸球体基底膜を通過する際の機械的損傷や尿細管を通過する際の急激な浸透圧変化などで変形し、変形赤血球（dysmorphic RBC）となる。本研究では顕微鏡的血尿を指摘され、腎臓内科外来に通院中、腎生検目的に検査入院した症例から尿検体を採取し検討する。尿沈渣標本を作成後、専門の臨床検査技師により変形赤血球（dysmorphic RBC）、均一赤血球（isomorphic RBC）をラベル付けし、教師データを作成する。今までの画像認識研究の経験よりおおよそ1-3万個の赤血球画像を標識することで十分な機械学習が可能と考えられており、実現可能な数である。機械学習に際しては、慶應AIメディカルセンターで利用している既存のGPUサーバーを利用し、教師データでの学習後に正診率を検証する。既に教師データの取り込みと学習を開始している。

This study is aimed at identifying cellular components in urine, 1) diagnosis of erythroid plasma in the diagnosis of glomerular diseases, 2) identification of urinary cellular components in the diagnosis of renal diseases. 3) Analysis of the integration of clinical data and kidney tissue. The year 2022 marks the beginning of research into the diagnosis of erythrocytes. Hematuria identification, urine sediment detection, bleeding site from the kidney ball (ball hematuria) to the other parts of the body (non-ball hematuria) identification Spherical hematuria, red blood cells, mechanical damage during passage of the spherical basement membrane, and rapid osmotic pressure during passage of urinary tubules. This study included microscopic examination of hematuria, nephrology, and nephrology. After the urine sediment sample is prepared, the clinical laboratory technician of the department shall prepare the urine sediment sample for the treatment of dysmorphic RBC and isomorphic RBC, and the teacher shall prepare the urine sediment sample. The number of images of 10,000 - 30,000 red blood cells identified in this study is very high. Machine learning should be based on the AI model and the existing GPU model, and the teacher model should be based on the post-learning diagnosis rate. Both teachers and students are learning from each other.

项目成果

Significance of podocyte DNA damage and glomerular DNA methylation in CKD patients with proteinuria

CKD蛋白尿患者足细胞DNA损伤及肾小球DNA甲基化的意义

• DOI: 10.1038/s41440-023-01169-2
• 发表时间: 2023
• 期刊: Hypertension Research
• 影响因子: 5.4
• 作者: Yoshimoto Norifumi;Hayashi Kaori;Hishikawa Akihito;Hashiguchi Akinori;Nakamichi Ran;Sugita-Nishimura Erina;Yoshida-Hama Eriko;Azegami Tatsuhiko;Nakayama Takashin;Itoh Hiroshi
• 通讯作者: Itoh Hiroshi

Altered DNA methylation in kidney disease: useful markers and therapeutic targets.

• DOI: 10.1007/s10157-022-02181-5
• 发表时间: 2022-04
• 期刊: Clinical and experimental nephrology
• 影响因子: 2.3
• 作者: Hayashi K

Vaccination against connective tissue growth factor attenuates the development of renal fibrosis.

• DOI: 10.1038/s41598-022-15118-5
• 发表时间: 2022-06-29
• 期刊: SCIENTIFIC REPORTS
• 影响因子: 4.6
• 作者: Nakayama, Takashin;Azegami, Tatsuhiko;Hayashi, Kaori;Hishikawa, Akihito;Yoshimoto, Norifumi;Nakamichi, Ran;Sugita, Erina;Itoh, Hiroshi
• 通讯作者: Itoh, Hiroshi