PC／Mac
病理医が日常的に用いる端末です。
私たちの方針
短期的には、病理医の業務の流れを改善し、より良いサービスをより低いコストで提供できるよう、複数のAIモジュールを届けることを計画しています。長期的には、デジタル病理と電子カルテ、その他の臨床データを統合し、病理医が診断を検討する際の参考となる情報を層として提示する、予後の評価を支援するツールの開発を目指しています。
肝組織病理画像の解析は、肝疾患の診断判断を裏付けるためによく用いられる手法です。既存の支援システムには、形態的な特徴の抽出や、がん組織と正常組織の識別において機能上の限界があります。さらに、一部の疾患では細胞の特徴が大きくばらつき、境界も曖昧です。門脈域の領域分割のように、周囲の細胞を参照する必要がある処理もあります。こうした特性が、肝組織病理画像の解析を難しくしています。これらの限界を踏まえ、画像解析と組み合わせた新しい深層学習モジュールを開発し、肝組織病理画像の解析、肝がんの検出、炎症の程度のグレーディングに取り組んでいます。成果は、医師が試用してフィードバックできる実用的なシステムとして実装し、精密医療の実現を目指します。
クロスプラットフォーム・ギガピクセルビューア
クラウド構成のクロスプラットフォーム・ギガピクセルビューアを構築し、病理医が利用できる開かれたワークフローを提供しています。現状では、スライドのデジタル化と解析に、スキャナの提供元が用意した装置とソフトウェアを使う必要がある場合があります。ALOVASはこの制約に対応し、レポート作成を助ける複数のAIアルゴリズムを備えています。解析結果はWSI上にマスクとして重ねて表示でき、非表示にすることもできます。
最大40倍までのリアルタイム拡大に対応し、同時に4つのタブを開いて、同一患者の異なるスライドを見比べるなどの並行作業ができます。タッチ操作に対応しており、iPadとApple Pencilでも利用できます。Apple Pencilを使って、アノテーションの記入やマーキングを滑らかに行えます。
iPad
Apple Pencilによる入力に対応しています。
AIアルゴリズム
腫瘍の検出とグレーディング
マルチスケールの畳み込みニューラルネットワークを用い、肝腫瘍をパッチ単位で認識します。検出性能はmIOU 95%です。腫瘍領域を特定したあと、別の分類器により肝組織を4段階の腫瘍グレードに分類します。類洞、細胞、索状構造の特徴を得る従来型の画像処理と、組織の特徴を得るCNNを組み合わせ、グレーディング精度は89%です。
リンパ球の検出
炎症の程度によってリンパ球の見え方は異なり、上皮細胞やクッパー細胞と見誤りやすいことがあります。特徴の欠落を避けるため、U-Netのマックスプーリングをストライド2の畳み込み層に置き換える方法を提案し、そのU-Netでリンパ球を自動的に検出します。
門脈域の分割
門脈域は観察上重要な領域であり、その分割は肝炎のグレーディングを支える情報になります。最新のCNNにマルチスケールの参照を組み合わせ、大きさや形の異なる門脈域を識別するアルゴリズムを提案しています。
肝炎のステージング
肝線維化の程度を数値化するIshakスコアの算出を自動化する枠組みを提案しています。肝炎の評価において、人の判断による曖昧な記述を減らすことを目指します。
核の分割
指定した領域で、CNNにより核を速やかに分割するアルゴリズムです。結果から、核の平均サイズ、密度、標準偏差、N/C比などの指標を算出し、解析に用いることができます。
画像レジストレーション
多重染色スライドで同一領域の異なる性質を観察するには、画像の位置合わせが必要です。各スライドは実際には別の切片であり、細胞の分布は一致しません。さらに、スキャン時に回転や平行移動が生じることがあります。一方のスライドをもう一方へ合わせるため、最適な変換パラメータを求めるアルゴリズムを提案しています。