生体の科学70巻1号

2019年02月発行

解説

人工知能技術を用いた病理組織画像解析

著者： 河村大輔¹ 石川俊平¹²

所属機関： ¹東京医科歯科大学難治疾患研究所ゲノム病理学分野 ²東京大学大学院医学系研究科分子予防医学教室

ページ範囲：P.72 - P.76

　深層ニューラルネットワークによるディープラーニングの技術は，2012年のILSVRC（ImageNet Large Scale Visual Recognition Challenge）において圧倒的な精度で優勝して以来極めて速い速度で進化しており，既に一般画像認識では人の認識精度を上回ることが示されている。医療画像に関しても急速に応用が進んでおり，放射線画像や皮膚の肉眼写真などでは疾患を限定すれば既に医師に匹敵する性能を発揮している^1,2）。一方，病理組織像の認識については，がん細胞^3）や細胞核^4），細胞分裂像^5），腺管^6）などの特定の対象物の検出から，腫瘍の分類・グレード判定^7,8），免疫染色の定量的評価^9）など様々なアプリケーションがあるが，やはり深層学習技術の登場以来劇的に性能が向上している。例えば，2017年における乳がんのリンパ節転移の検出の報告など，ディープラーニングにより部分的には病理医のパフォーマンスを上回ることが報告されている^3）。その一方で，病理画像は一般画像や他の医療画像とは異なる特徴があることが解析の障壁となっている。本稿では，人工知能技術を用いて病理画像を解析する際に生じる問題，およびそれらを解決するための技術的側面について述べる。

参考文献

1）Rajpurkar P, Irvin J, Zhu K et al：CheXNet：Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning. arXiv：1711.05225, 2017［cs, stat］

. 542：115-118, 2017

. 318：2199-2210, 2017

. 9：5, 2018

. 20：237-248, 2015

6）Chen H, Qi X, Yu L, Heng PA：DCAN：Deep Contour-Aware Networks for Accurate Gland Segmentation. In：2016 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）. pp.2487-2496, 2016

. 39：194-205, 2017

. 2015：2649-2652, 2015

9）Liu J, Xu B, Zheng C et al：An End-to-End Deep Learning Histochemical Scoring System for Breast Cancer Tissue Microarray. arXiv：1801.06288, 2018［cs］

10）Gu J, Wang Z, Kuen J et al：Recent Advances in Convolutional Neural Networks. arXiv：1512.07108, 2015［cs］

11）Al-Saffar AAM, Tao H, Talab MA：Review of deep convolution neural network in image classification. In：2017 International Conference on Radar, Antenna, Microwave, Electronics, and Telecommunications （ICRAMET）. pp.26-31, 2017

12）Ciompi F, Geessink O, Bejnordi BE et al：The importance of stain normalization in colorectal tissue classification with convolutional networks. arXiv：1702.05931, 2017［cs］

. 16：34-42, 2018

. 17：369-376, 2014

15）Peikari M, Zubovits J, Clarke G, Martel AL：Clustering Analysis for Semi-supervised Learning Improves Classification Performance of Digital Pathology. In：Machine Learning in Medical Imaging. Springer, Cham, pp.263-270, 2015

. 18：591-604, 2014

17）Campanella G, Silva VWK, Fuchs TJ：Terabyte-scale Deep Multiple Instance Learning for Classification and Localization in Pathology. arXiv：1805.06983, 2018［cs］

18）Koh PW, Liang P：Understanding Black-box Predictions via Influence Functions. arXiv：170304730, 2017［cs, stat］

19）Selvaraju RR, Cogswell M, Das A et al：Grad-CAM：Visual Explanations from Deep Networks via Gradient-based Localization. arXiv：161002391, 2016［cs］

20）Komura D, Fukuta K, Tominaga K et al：Luigi：Large-scale histopathological image retrieval system using deep texture representations. bioRxiv. https://www.biorxiv.org/content/early/2018/07/19/345785. Accessed 13 Aug 2018

. 45：1113-1120, 2013