病理標本解析での画像解析AI活用 ～正常/異常のスクリーニングやバーチャル染色～

課題

安全性評価のうち病理学的検査では顕微鏡観察による目視評価検査が行われますが、全標本をくまなく鏡検し病変の評価を行うため、多大な時間と労力を要します。また、創薬モダリティーの多様化によりこれまで経験してこなかった病変に遭遇する機会が増えており、既知病変を教師データとして学習させたAIモデルだけでは、実運用に制限がかかることが懸念されます。さらに、標本作成の過程で生じるアーティファクトや施設間差の影響も考慮する必要があります。

エルピクセルのAI技術概要と期待される効果

病理標本のスクリーニングへのAI活用

当社では様々なバリエーションを持つ腎臓の正常組織を教師データとして学習させ、正常からの逸脱を検出するAIモデルを構築しました。弱拡大でわかる尿細管の異常を検出するモデル（組織全体構造の乱れを捉える）と糸球体の異常を検出するモデル（ミクロな異常を検出する）を組み合わせ、AIによる標本の正常・異常判定を行います。特定の病変検出ではなく正常からの逸脱度で正常/異常の判定を行うため、未知病変への対応が期待されます。 尿細管病変に加え糸球体病変の異常を検出するとともに、正常組織からの逸脱度合いの可視化を実現しました。

バーチャル染色

未染色画像からAIで染色画像を生成することで、染色における施設間差を排除し、均質なAI・画像解析を実現します。また遺伝子解析を実施する標本において、劣化していない組織標本を用いたHE染色など他染色の実施が可能となります。 例えばHE染色画像から免疫染色画像を生成することで、大量に取得済みのHE染色画像から特定の生体機序を解析し、実際の免疫染色前の”あたり”をつけることも可能となります。