일본병리학회, 국립정보학연구소, 도쿄대 등은 공동으로 위생검의 병리조직 영상에서 종양(암) 유무를 판단하는 병리진단 지원 AI를 개발했다.
암의 진단 확정에는 병리의에 의한 현미경으로의 병리 진단이 필수로 되어 있지만, 일본에서는 만성적으로 병리의가 부족해, 과중 부담이나 더블 체크가 곤란한 것에 의한 암의 간과(혹은 과잉 진단)의 위험이 문제시되고 있습니다.
따라서 본 그룹에서는 병리 진단의 더블 체크를 실시하는 AI의 개발에 임해, 이번, 일상 병리 진단으로 가장 빈도가 높은 검체인 위생검을 대상으로, 병리의와의 진단 일치율 90~97%에 도달하는 병리 진단 AI 개발에 성공했다.
AI의 화상 인식 기계 학습에는, 화상 식별이 뛰어난 성능을 발휘하는 심층 학습을 이용했다.또한, 병리 진단에 사용되는 화상은 풀 컬러이고 초고해상도이며, 일반 화상 인식과는 거짓 차이의 정보량이 되기 때문에, 새로운 심층 학습 수법인 “Multi-stage semantic segmentation for pathology(MSP)법 ”를 개발하여 채용했다.
이 수법은 마치 병리의가 현미경의 저배율과 고배율에서의 관찰을 조합하여 병리 진단을 내리는 것을 모방한 것이라고 하며, 병리 화상의 데이터 용량을 대폭 압축하면서도 화상 전체 위치 정보를 잃지 않고 기계 학습을 수행 할 수 있습니다.이것에 의해 위양성을 삭감할 수 있어 종래법보다 우수한 정밀도로 암과 비암의 판정을 할 수 있게 되었다고 한다.
이 AI를 병리 진단의 현장에서 더블 체크의 지원으로서 이용하는 것으로, 병리의의 부담 경감, 진단 향상이 전망된다.또한 원격 병리 진단 네트워크에 통합함으로써 암 의료의 균질화(전국 어디에서나 똑같이 고도의 의료를 받을 수 있는 것)도 촉진할 수 있다고 한다.
