犬のリンパ腫の細胞診診断に向けた人工知能による小型および中〜大型リンパ球の検出

3行まとめ

• 犬のリンパ節細胞診でリンパ腫を診断するため、AIモデルによるリンパ球の検出精度を検証した。
• 中〜大型リンパ球を統合したモデルは高精度を示し、標本レベルの診断推測で極めて高い性能を達成した。
• スマートフォンを活用した深層学習による細胞診診断支援が、臨床現場で実現可能である可能性が示された。

この論文の要約

目的

犬のリンパ腫は遭遇頻度の高い悪性腫瘍であり、診断には穿刺吸引細胞診が汎用される。本研究では、犬のリンパ節細胞診によるリンパ腫診断の支援を目的として、オープンソースの物体検出アルゴリズムYOLOv11を用いた細胞レベルの識別性能を評価した。

対象と方法

細胞診およびフローサイトメトリーまたはPARRで診断が確定した犬の末梢リンパ節吸引標本（非リンパ腫11例、中〜大細胞型B細胞リンパ腫34例）を対象とした。2台のスマートフォンで撮影した680枚の画像から25,761個の細胞を抽出し、4分類（小型、中型、大型リンパ球、好中球）と、中型と大型を統合した3分類のアプローチを比較検証した。

主な結果

中型と大型のリンパ球を統合することで細胞レベルの分類精度が向上した。最適化された構成では、テストセットにおいて平均適合率87.60%、平均再現率84.71%、mAP50が89.33%、F1スコア86.02%を達成した。標本レベルでは中〜大型リンパ球の比率を評価することで、すべてのテスト標本で正確な診断推測が可能であった。

臨床的意義

スマートフォンを用いた深層学習による細胞診支援の実現可能性が示された。臨床現場への実用化には、より広範なリンパ節疾患を対象とした外部検証や、診療ワークフローに統合した前向きな検証が重要となる。

⚠️ この要約はAIが自動生成したものです。