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

点击翻译按钮获取中文摘要

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。