免疫組織化学画像における細胞計数のためのランク認識型アグロメレーション
カテゴリ：手術支援
公開日：2026年5月16日
タイトル：Rank-aware agglomeration of foundation models for immunohistochemistry image cell counting
雑誌名：Med Image Anal. 2026 May 13; 112: 104125. doi: 10.1016/j.media.2026.104125.
概 要：
免疫組織化学（IHC）画像における正確な細胞計数は、タンパク質発現の定量化や癌診断において重要です。しかし、クロモゲンの重なりやバイオマーカーの染色の変動、細胞形態の多様性により、この作業は困難です。本研究では、複数の強力な基盤モデルから知識を選択的に蒸留するランク認識型アグロメレーションフレームワークを提案し、IHCの異質性に対処し、コンパクトで効果的な学生モデルCountIHCを得ることを目指します。
方 法：
本研究では、回帰ベースの計数手法を用い、グローバルからローカルのパッチランキングをモデル化するRank-Aware Teacher Selecting（RATS）戦略を設計しました。この戦略により、各教師の固有の計数能力を評価し、サンプルごとの教師選択を可能にします。また、マルチクラス細胞計数のために、タスクを視覚と言語の整合性として再定義するファインチューニング段階を導入しました。
結 果：
CountIHCは、12のIHCバイオマーカーと5つの組織タイプにわたって最先端の手法を上回る性能を示し、病理医の評価とも高い一致を示しました。H&E染色データに対する効果も確認され、提案手法のスケーラビリティが証明されました。
結 論：
CountIHCは、免疫組織化学画像における細胞計数の精度を向上させる新たなアプローチを提供し、癌診断における応用が期待されます。コードは公開されており、研究者が利用可能です。