แนวคิดหลัก
全スライド画像の多重インスタンス学習を用いた腫瘍検出と遺伝子変異検出の手法を提案し、その有効性を示した。
บทคัดย่อ
本研究では、全スライド画像の解析のために、多重インスタンス学習(MIL)アプローチを探索した。2つの主要ながん種、浸潤性乳がん(TCGA-BRCA)と肺扁平上皮がん(TCGA-LUSC)を対象に、低倍率での腫瘍検出とTP53変異検出を行った。
腫瘍検出タスクでは、従来のMILアーキテクチャと提案手法の性能が同等以上であり(AUC 0.96以上)、病理医が通常使用する倍率(5倍)でも良好な結果が得られた。これは、組織レベルの特徴から腫瘍の有無を判別できることを示唆している。
一方、TP53変異検出タスクでは、倍率が高くなるほど(10倍、20倍)性能が向上する傾向にあった(AUC 0.71)。これは、変異に関連する形態学的特徴が細胞レベルでより顕著に現れるためと考えられる。
提案手法のAdMILは、注意機構の特性により、より限定的な領域に注目する傾向があり、変異検出に有効な可能性が示唆された。一方、従来のAMILは、より広範な領域に注目する傾向にあった。
本研究の結果は、MILフレームワークを用いた全スライド画像解析の有効性を示すとともに、腫瘍と遺伝子変異の検出に適した形態学的特徴の違いを明らかにした。今後は病理医による定性的評価を行い、提案手法の有用性をさらに検証する必要がある。
สถิติ
腫瘍検出タスクでは、TCGA-LUSCデータセットの全スライド画像のうち、694枚のスライドを使用した。
TP53変異検出タスクでは、TCGA-BRCAデータセットの全スライド画像のうち、662枚のスライドを使用した。