幹細胞由来ニューロンの定量のためのフラクショネーター設計における物理ディセクターの自動化に向けた人工知能の実装
カテゴリ：医療現場の業務効率化
公開日：2026年5月11日
タイトル：Implementation of artificial intelligence to automate physical disector in a fractionator design for quantification of stem cell-derived neurons
雑誌名：Comput Biol Med. 2026 May 09; 210: 111738. doi: 10.1016/j.compbiomed.2026.111738.
概 要：
本研究は、パーキンソン病における細胞治療戦略を進展させるために、幹細胞由来のドーパミン作動性ニューロンの正確な定量が必要であることを背景に、AI支援の物理フラクショネーターワークフローを開発し、検証しました。このワークフローは、組織の整列、移植領域の特定、細胞のセグメンテーションおよび分類を自動化し、従来の手動法に比べて効率的かつバイアスのない定量を実現します。AIモデルは、トリプル免疫蛍光染色に基づいています。
方 法：
この研究では、パーキンソンモデルラットの脳を用いて、AI支援の物理フラクショネーターを開発しました。データセットは、Study A（訓練、検証、テストセット）とStudy B（別の実験からの外部テストセット）から得られました。AIワークフローは、セグメンテーションとカウントの精度が人間の専門家と同等であり、分析時間を8時間から1時間に大幅に短縮しました。
結 果：
AI支援のワークフローは、セグメンテーションと定量において高い精度、感度、F1スコアを示し、AIによる定量と手動定量の間に有意差は見られませんでした。また、ワークフローは他の細胞タイプにも適応可能であることが示されました。
結 論：
AI支援のステレオロジー手法は、前臨床研究における細胞定量を加速し標準化する可能性があり、細胞治療開発における翻訳研究の設定にも関連性があることが示されました。