AI開発で課題だったデータのラベル付けを、半教師あり学習で削減

浜松医科大学は5月26日、パパニコロウ染色された子宮頸部液状化検体細胞診（LBC）標本を迅速に診断する人工知能（AI）を開発したと発表した。この研究は、同大大学院医学系研究科光医工学共同専攻（博士後期課程）の栗田佑希大学院生（再生・感染病理学講座、先進機器共用推進部）らの研究グループによるもの。研究成果は、「PLOS ONE」に掲載されている。

画像はリリースより
（詳細は▼関連リンクからご確認ください）

細胞診標本は、細胞検査士と病理医が顕微鏡を用いて一つひとつ手作業で観察している。ダブルチェックをしながらの標本観察は肉体的な負荷が大きく、高ストレスな作業だ。もし、標本観察の一部をAIに担わせることができれば、細胞検査士と病理医の肉体的な負荷とストレスを軽減できると考えられる。しかしながら、高性能なAIを開発するには相当量のデータが必要であり、人手でラベル付けをする作業には途方もない時間がかかる。この課題を解決するために、研究グループは半教師あり学習手法を用い、必要なラベル付きデータの量を削減し、研究を進めた。

子宮頸部LBC標本をデジタル化してAI学習、テストデータでF1スコア0.832

今回の研究では、パパニコロウ染色された子宮頸部LBC標本をデジタル化し、タイル状に分割（タイル画像）。タイル画像を「異常な細胞が存在しない」グループと「異常な細胞が存在する」グループに分け、ラベル付けした。両グループの画像を用いてAIを学習し、テスト用データで性能を評価した。

研究の結果、開発したAIは、テストデータにおいて、AUC：0.908、特異度90.1％、F1スコア 0.832を達成。さらに、細胞診パパニコロウ染色の学習において、水増し手法にRandomGridShuffleを適用することで、性能が向上することを世界で初めて見出したという。

AIは1枚の標本を30秒以内で判定

標本観察を今回開発したAIが行った場合、1枚の標本を30秒以内で判定することが可能になる。そのため、細胞検査士と病理医の負担を大幅に軽減することが期待される。

実臨床での利用に向けてさらなる評価へ

今回開発したAIは、子宮頸部LBC標本に特化したものであり、実臨床での利用に向けては、さらなる評価が必要だ。今後は、AIが判定した結果に対して、細胞検査士や病理医が確認を行うことで、AIと人間の判断を組み合わせた診断システムの構築が期待される。また、他の種類の細胞診標本にも応用が可能かどうかを検討する必要がある。今回の成果を基盤として、より多くの患者に迅速かつ正確な診断を提供できるよう、研究を進めていく、と研究グループは述べている。（QLifePro編集部）