MEDICINE & AI

タイトル：Comparative analysis of feature-based ML and CNN for binucleated erythroblast quantification in myelodysplastic syndrome patients using imaging flow cytometry data. 雑誌名：Sci Rep. 2024 Apr 23; 14(1): 9349. 概　要： 本研究は、骨髄における異形成を特徴とする骨髄異形成症候群（MDS）の患者において、二核赤芽球（BNE）の定量を行うために、特徴ベースの機械学習と畳み込みニューラルネットワーク（CNN）を比較しました。従来のスライドベースの分析では診断が困難であるため、標準化された客観的手法が求められています。イメージングフローサイトメトリー（IFC）を用いた分析により、BNEの同定と定量が可能であることを示しました。CNNを用いることで、手動および特徴ベースの分析と同等の精度でBNEを定量でき、作業の複雑さを排除し、時間を大幅に節約できることが確認されました。この簡素化されたAIワークフローは、臨床診断におけるIFCの利用を促進する重要な価値を持っています。 方　法： 本研究では、骨髄異形成症候群患者から得られたイメージングフローサイトメトリー（IFC）データを用いて、二核赤芽球（BNE）の同定にCNNアルゴリズムを適用しました。従来の特徴ベースの機械学習手法と比較し、BNEの定量精度を評価しました。主要評価指標は、BNEの同定精度と作業時間の短縮です。 結　果： CNNアルゴリズムを用いたBNEの定量は、手動および特徴ベースの分析と同等の精度を達成しました。また、作業の複雑さを排除し、時間を大幅に短縮することができました。このアプローチにより、臨床現場でのIFCの利用が容易になり、診断の効率が向上しました。 結　論： CNNを用いた二核赤芽球の定量は、従来の手法と比較して高い精度を維持しつつ、作業の簡素化と時間の節約を実現しました。この研究は、骨髄異形成症候群の診断におけるIFCの臨床的価値を高める可能性を示しています。