検査と技術51巻12号

2023年12月発行

トピックス

Deep Learningを用いた尿中赤血球形態の分類

著者： 山本雄彬¹

所属機関： ¹東京医科歯科大学病院検査部

ページ範囲：P.1338 - P.1340

はじめに

　尿沈渣検査は，自動分析装置が上市された現在でも，顕微鏡による目視（鏡検法）を欠くことができない検査である．自動分析装置が無遠心尿を対象とするのに対して，遠心後の沈渣成分を対象とする鏡検法では沈渣成分によって結果が乖離することが報告されている^1，2）．したがって，自動分析装置のみで全ての検査を実施することは，検査の信頼性の観点から不可能と考えられている^3）．

　尿沈渣検査における鏡検法の必要性が言われている一方で，鏡検法では，検査者間の熟練度の差が，検査結果に技師間差として直接影響する．例えば，尿中赤血球形態は，糸球体型／非糸球体型の判定が尿路系の出血部位の推定に有用である^4，5）が，鏡検者が判定に特に苦慮する成分の1つであり，技師間差・施設間差が大きい項目であると考えられている．尿沈渣検査の精度向上には，尿中赤血球などの沈渣成分を，検査者の技量に依存せずに自動分類するシステムの構築が必要である．

参考文献

1）橋本綾，他．全自動尿中有形成分分析装置UF-5000の性能評価．医学検査　2017；66：255-265．

2）堀田真希，他．尿中有形成分分析装置Atellica UAS800の基礎的検討．医と薬学．2018；75：407-415．

3）宿谷賢一，他．全自動尿中有形成分分析装置UF-5000と全自動尿中有形成分撮像ユニットUD-10の比較検討．医と薬学．2019；76：1311-1323．

4）宿谷賢一．尿中赤血球形態はどのように分類・判定するか．Med Technol．2011；39：892-896．

5）堀田真希．尿中赤血球形態変化のメカニズムと血尿診断ガイドラインにおける尿中赤血球形態情報の重要性．生物試料分析　2015；38：235-242．

6）宮下充浩，他．畳み込みニューラルネットワークを用いた眼底画像における毛細血管瘤の自動検出．Med Imag Technol．2018；36：189-195．

7）服部英春，柿下容弓．染色濃淡自動分類とCNNを用いた腫瘍組織識別技術．Med Imag Technol．2017；35：273-280．

8）Hirasawa T, et al. Application of artificial intelligence using a convolutional neural network for detecting gastric cancer in endoscopic images. Gastric Cancer. 2018; 21: 653-660.

9）François C. Xception: Deep Learning with Depthwise Separable Convolutions. The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2017: 1251-1258.

10）Redmon J, Farhadi A. YOLOv3: An Incremental Improvement. 2018.　https://pjreddie.com/media/files/papers/YOLOv3.pdf（2023年9月4日アクセス）