病理デジタル画像・人工知能技術を用いた、病理画像認識による術中迅速・ダブルチェック・希少がん等病理診断支援ツールの開発

文献情報

• 文献番号: 201803009A
• 報告書区分: 総括
• 研究課題名: 病理デジタル画像・人工知能技術を用いた、病理画像認識による術中迅速・ダブルチェック・希少がん等病理診断支援ツールの開発
• 課題番号: H28-ICT-一般-009
• 研究年度: 平成30(2018)年度
• 研究代表者(所属機関): 佐々木 毅(東京大学 医学部附属病院)

研究分担者(所属機関)

• 高澤　豊(がん研究会がん研究所)
• 宮路　天平(東京大学　医学部附属病院)
• 野村　直之(東京大学　医学部附属病院)
• 宮越　徹(インスペック株式会社)

• 研究区分: 厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（臨床研究等ＩＣＴ基盤構築・人工知能実装研究）
• 研究開始年度: 平成28(2016)年度
• 研究終了予定年度: 平成30(2018)年度
• 研究費: 15,385,000円
• 研究者交替、所属機関変更: -

研究報告書（概要版）

研究目的

本研究は2つのプログラム開発とネットワークインフラの構築および実際にAPIでのサービスの提供である。1つ目（１）は「リンパ節転移の有無をAIで検出して術中迅速病理診断や病理診断のW-checkを行うシステムのネットワークを構築する」である。現在日本の病理専門医は約2,400名で、人口10万人当たりアメリカの3分の1以下である。さらに常勤病理医勤務病院の約50%が1人病理医である。このような状況下で最終診断である病理診断のW-checkが行えない、または病理医不在のため患者が術中迅速病理診断を受けられないなどの問題が生じている。これらを解決するAI病理診断支援プログラムを開発し、ネットワークインフラを構築して病理医不在病院や1人病理医のW-check等の支援を行い、病理医の時間の創出を目的とする。もう1つ（２）が、「希少がんでの病理診断の不一致などの問題に対応するAI病理診断支援プログラムの開発」である。希少がんの中でも特に病理診断が時として困難である脂肪性腫瘍、特に「高分化型脂肪腫様脂肪肉腫」と「脂肪腫」を鑑別するプログラムの開発に取り組んだ。以上、これら2つのAI病理診断支援プログラムを開発することが研究目的である。

研究方法

（１）に関しては、開発したAI病理診断支援システムにてAPIでのネットワークを介したAI遠隔診断システムの遠隔支援を計画し、がん部を検出したヒートマップ等の自動診断返却システムなどソフトウエアの開発も完了し、平成30年2月にインターネットを介した遠隔施設間での実装実験を行ったが、他施設の標本では、高い精度が得られないという問題点が発覚した。これは最終的にはHE染色標本の施設間での色域の差が問題であることが判明し、画像の専門家であるパナソニックやJVCケンウッドなどにも意見を求めたが、HE染色標本はパステルカラーであり、完全な色域等の調整は難しいという結論となり、できる限りの調整を試みた上で、リンパ節転移の有無を自動検出するAI病理診断支援プログラムの開発を完了した。さらに本プログラムをAPIにて画像登録により、ヒートマップを付与して返却するネットワークを、iCOMBOXを用いて構築し、AI病理診断支援システムを搭載したサーバを東大内に設置することとした。（２）に関しては、特に、病理医が鑑別診断を誤ることがある「高分化型脂肪腫様脂肪肉腫」と「脂肪腫」の鑑別診断を行うAI病理診断診プログラムの開発を行った。教師データ作成のためのソフトウエアAnnonの開発に成功し、深層学習の様々なモデルやアルゴリズムを用いてAIによる深層学習を行い、開発を行った。教師データ作成に関しては、脂肪性腫瘍のうち、良性の脂肪腫の10症例と高分化型脂肪腫様脂肪肉腫の15症例を用いた。この「Annon」を用いて、「注釈」の付け方を検討し、「良性細胞」、「悪性細胞（脂肪芽細胞あるいは異型間質細胞）」、「良悪不明な細胞」の３群の「注釈」付けが効率的かつ実用的な教師データであることを確認した。また深層学習の手法とアルゴリズムに関しては、教師データのデータセットとしてランダムな100, 200, 300…1000画像を用いた検討により、脂肪腫と高分化型脂肪腫様脂肪肉腫の鑑別補助AIが、3群の検出で適合率(mean average precision) 0.5を達成するためには、1500画像以上のデータセットが必要であることが示された(繰り返し=50の場合)。学習手法の比較検討では、一段階検出の代表的アルゴリズムであるSSDと二段階検出の代表的アルゴリズムであるFasterRCNNを比較検討し、適合率はFasterRCNNが高いことを確認した。

結果と考察

（１）の「リンパ節転移の有無をAIで検出して術中迅速病理診断や病理診断のW-checkを行うシステムのネットワークを構築」に関してはシステムを実装して、医学研究目的に限って、ホームページ上から利用希望者を募る形で3月末に運用を開始した。本件に関しては、2019年3月28日にプレスリリースされており、広く周知がはかられた。（２）に関しては、テストセットで、ほぼ「高分化型脂肪腫様脂肪肉腫」と「脂肪腫」とを100%の確率で鑑別可能なプログラムの開発に成功した。

結論

（１）「リンパ節転移の有無をAIで検出して術中迅速病理診断や病理診断のW-checkを行うシステムのネットワークを構築」に関してはWEBでの運用を開始した。本件は、2019年3月28日にプレスリリースをし、広く周知がはかられた。また（２）「希少がんでの病理診断の不一致などの問題に対応するAI病理診断支援プログラムの開発」に関しては、開発に成功し、第108回日本病理学会総会において研究成果報告を行い、好評であった。

公開日・更新日

• 公開日: 2019-11-15
• 更新日: -

文献情報

• 文献番号: 201803009B
• 報告書区分: 総合
• 研究課題名: 病理デジタル画像・人工知能技術を用いた、病理画像認識による術中迅速・ダブルチェック・希少がん等病理診断支援ツールの開発
• 課題番号: H28-ICT-一般-009
• 研究年度: 平成30(2018)年度
• 研究代表者(所属機関): 佐々木 毅(東京大学 医学部附属病院)

研究分担者(所属機関)

• 高澤　豊(がん研究会がん研究所)
• 宮路　天平(東京大学　医学部附属病院)
• 野村　直之(東京大学　医学部附属病院)
• 宮越　徹(インスペック株式会社)

• 研究区分: 厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（臨床研究等ＩＣＴ基盤構築・人工知能実装研究）
• 研究開始年度: 平成28(2016)年度
• 研究終了予定年度: 平成30(2018)年度
• 研究者交替、所属機関変更: -

研究報告書（概要版）

研究目的

本研究は「病理デジタル画像データの深層学習・人工知能（以下AI）による病理画像認識診断支援ツールの開発研究」である。日本の病理専門医は約2,400名、人口10万人当たり米国の3分の1以下である。さらに病理医勤務病院の約50%が1人病理医である。このような状況下で最終診断である病理診断のW-checkが行えない、または病理医不在のため患者が術中迅速病理診断を受けられないなどの問題が生じている。さらに希少がんでは診断の不一致などの問題が生じている。希少症例はがん研有明病院に症例数が多く、これらの症例を用いてAI活用による病理診断支援ツール開発を行う。なお、この分野でのAI支援ツールの成功事例はまだ少なく、また他施設が共通で使用できるプラットフォームの構築は世界的に見てもない。世界に先駆けてAPIによるAI病理診断支援システムのプラットフォーム構築を行うことが本研究の目的である。具体的には①「1人病理医のW-checkや術中迅速病理診断の支援となるAI病理診断支援ツールを開発」②「希少がんなどの診断困難症例の支援となるAI病理診断支援ツールの開発」の研究開発を行った。

研究方法

①に関しては、平成28年度には「センチネルリンパ節の転移巣検出」のAI病理組織診断支援ツールの開発に着手し、約90%の精度のAIを開発した。この際、深層学習に使用する256×256ピクセルの画像を自動で切り出すソフトの開発が新たな課題となった。平成29年度はより幅広く「腺癌のリンパ節転移巣の検出AI」に置き換え、約1,000,000枚のアノテーション付き深層学習用画像を追加して、リンパ節転移を検出するAI病理診断支援ツールの開発を行った。大量の画像を自動切り出しするためのソフトウェアの開発も行った。またアノテーションに関しては、アノテーションツールAnnonを新規開発し、それを活用した。平成29年12月に自施設標本でのテストセット正解率は95%をクリヤーするAI病理診断支援システムの開発に成功した。また、開発したこのAI病理診断支援システムをAPIでのネットワークを介したAI遠隔診断システムの遠隔支援を計画し、がん部を検出したヒートマップ等の自動診断返却システムなどソフトウエアのβ版の開発も完了した。しかしながら、平成30年2月にインターネットを介した遠隔施設間での実装実験を行ったところ、他施設の標本では、高い精度が得られない（HE染色の施設間の色域差などのため）、また1GB近い画像を送るのに、現在の帯域では画像転送に遅延が生じるなどの課題が浮き彫りになり、診断支援システム全体の改良が必要と考えた。平成30年度はこの診断支援システムの改良を行い、転送画像の遅延には他社のiCOMBOXを使用、秘密分散化としてジグソーパズルのピースのように画像を転送するシステムとタイリングでスキャニングが可能なスライドスキャナーを組み合わせることにより、これらの課題をクリヤーした。②に関しては、主としてがん研究会がん研究所の症例を用い、平成28年から29年にかけて蓄積された約23,000例の骨軟部腫瘍をWHO分類（2013）に基づいて、亜型を含めて約250の組織型に分類し、各組織型の代表例を抽出し、組織像の確認をしたのち、病理組織デジタル画像を取得し、ファイルサーバ上に保存した(7,000症例のデータベースを構築)。しかしながら、すべての希少がんを自動診断するAI病理診断支援プログラムの開発は挑戦したものの難しく、平成29年度後半から平成30年度にかけては、希少がんのうちで比較的頻度の高い脂肪性腫瘍について、特に、病理医が鑑別診断を誤ることがある「高分化型脂肪腫様脂肪肉腫」と「脂肪腫」の鑑別診断を行うAI病理診断診プログラムの開発を行った。当初深層学習のみで行っていたが、精度がなかなか上がらず他の学習方法も追加してシステム開発に取り組んだ。

結果と考察

①に関してはシステムを組み込んだネットワークインフラの構築を平成31年3月に完了し、ホームページ上から研究目的に限定して、APIによるAIリンパ節転移自動診断ツールを実装したサーバを東大内に設置、転移の有無をヒートマップで画像登録施設に自動返信するシステムを実装し運用しており、当初の目標はクリヤーしたと考えている。②に関しては、脂肪性腫瘍に関しては100%の精度で病理診断が可能なAI病理診断支援プログラムの開発に成功した。

結論

①に関しては医療機器とプログラムの開発とAPIでのサービス提供体制の整備まで完了した。なお薬事承認のPMDAとのヒアリングも2月に行ったが、研究期間内の承認には至っていない。②に関しては、その成果報告を2019年4月に開催された日本病理学会総会にて発表した。

公開日・更新日

• 公開日: 2019-11-15
• 更新日: -

行政効果報告

• 文献番号: 201803009C

成果

• 専門的・学術的観点からの成果: 画像にアノテーションツールを付与するシステムや画像の自動切り出しを行うツールを開発したが、これらの技術は汎用性がある技術であり、今後のＡＩプログラムの開発に応用可能と考えられる。また、希少がんという特殊分野における人工知能による病理診断支援プログラムは世界的に見ても例がないが、脂肪性腫瘍において、病理専門医でも特に鑑別に迷う、高分化型脂肪肉腫と脂肪腫を高い診断精度で鑑別ができるプログラムの開発に成功した。
• 臨床的観点からの成果: AI病理診断支援システムを組み込んだネットワークインフラの構築を開発し、ホームページ上から研究目的に限定して、APIによるAIリンパ節転移自動診断ツールを実装したサーバを東大内に設置、転移の有無をヒートマップで自動返信するシステムを実装し運用することに成功した。また脂肪性腫瘍に関しては、高分化型脂肪肉腫と良性の脂肪腫を100%の精度で鑑別診断が可能なAI病理診断支援プログラムの開発に成功した。
• ガイドライン等の開発: 該当なし
• その他行政的観点からの成果: 該当なし
• その他のインパクト: 2018年3月17日、東京大学分子ライフイノベーション棟アカデミックホールにて、市民公開講座を実施した。「人工知能（ＡＩ）技術を用いた病理診断支援ツール開発への取り組み」ということで研究成果を広く市民に公開し、質疑応答や今後の展望などについてディスカッションを深めた。また2019年3月28日には、リンパ節の病理組織デジタル画像を作製した専用のHPから登録すると、転移部位に関してヒートマップを付して返却するAPIの運用をプレスリリースした。

発表件数

• 原著論文（和文）: 0件
• 原著論文（英文等）: 0件
• その他論文(和文): 0件
• その他論文(英文等): 0件
• 学会発表(国内学会): 1件 ; 2019年5月 第108回日本病理学会総会にて発表。
• 学会発表(国際学会等): 0件
• その他成果(特許の出願): 0件
• その他成果(特許の取得): 0件
• その他成果(施策への反映): 0件
• その他成果(普及・啓発活動): 1件 ; 2018年3月17日 東京大学分子ライフイノベーション棟アカデミックホールにて、市民公開講座「人工知能（AI）技術を用いた病理診断支援ツールの開発への取り組み」を開催。

公開日・更新日

• 公開日: 2019-11-15
• 更新日: -

収支報告書

• 文献番号: 201803009Z