犬の精巣腫瘍における組織病理学的分類のための深層学習フレームワーク

3行まとめ

• 犬の精巣腫瘍3種を病理組織画像からAIで自動分類する深層学習モデルの精度を検証した。
• モデルは高い識別能を示し、スライド全体での最高分類精度は0.84±0.07に達した。
• 形態的重複により分類が難しい犬の精巣腫瘍において、病理診断支援ツールとなる可能性がある。

この論文の要約

目的

犬の精巣腫瘍は日常診療でよく遭遇するが、形態学的パターンの重複により組織病理学的分類が困難な場合があり、診断の一致性や症例管理に影響を及ぼす可能性がある。本研究では、全スライド画像（WSI）から主要な3種類の精巣腫瘍（セミノーマ、ライディッヒ細胞腫、セルトリ細胞腫）を自動分類する深層学習アプローチの有用性を検証した。

対象と方法

組織学的に精巣腫瘍と診断された雄犬200頭のWSI（200枚）を用いた。CNN（EfficientNet-B4）をタイル画像でファインチューニングし、WSIレベルの5分割交差検証で評価した。また、WSIレベル分類の弱教師ありアプローチとしてABMILフレームワークも実装・評価した。

主な結果

ファインチューニングしたCNNはタイルレベルで強力な識別能を示し、平均確率集約を用いたロジスティック回帰がWSIレベルで最高精度（0.84 ± 0.07）を達成した。ABMILも精度0.80 ± 0.04と良好な成績を示した。Grad-CAM解析により、モデルが病理組織学的に重要な腫瘍領域に着目していることが確認された。

臨床的意義

本研究結果はAI支援による犬精巣腫瘍の病理組織分類の実現可能性を支持しており、獣医病理医の意思決定支援ツールの開発に向けた概念実証となる。

⚠️ この要約はAIが自動生成したものです。