ランダムフォレストに基づく人工知能戦略による生体内イメージング中の腎組織における虚血再灌流損傷の変化の検出
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Artificial intelligence strategies based on random forests for detecting ischemia-reperfusion injury changes in kidney tissue during intravital imaging
雑誌名：Sci Rep. 2025 Oct 24; 15(1): 37334.
概 要：
本研究は、腎組織における虚血再灌流損傷（IRI）を検出するために、ランダムフォレスト分類器を用いた監視型機械学習アプローチを提案しています。片側腎IRIのラットモデルを使用し、30分の血管遮断後に15分の再灌流を行いました。連続的なイメージングにより、核（Hoechst 33342）、血管（FITC-dextran）、およびミトコンドリア（TMRM）の変化をリアルタイムで捕捉しました。抽出したビデオフレームから、2000の手動でセグメント化された領域（ROI）を分析し、5つのテクスチャ特徴を入力として使用しました。これにより、AIベースのテクスチャ分析がIRI中の早期の核および血管の変化を検出する可能性が示されました。
方 法：
本研究は、片側腎虚血再灌流損傷モデルを用いた実験で、30分の血管遮断後に15分の再灌流を行いました。連続的な二光子顕微鏡を用いて、核、血管、ミトコンドリアの変化をリアルタイムで観察しました。2000の手動セグメント化されたROIを分析し、5つのテクスチャ特徴を抽出しました。ランダムフォレストモデルは、79.8%の精度を達成しました。
結 果：
ランダムフォレストモデルは、79.8%の精度、マクロF1スコア0.79、マシューズ相関係数0.5959、ROC AUC 0.83を達成しました。これらの結果は、虚血再灌流損傷中の早期の核および血管の変化を検出するためのAIベースのテクスチャ分析の可能性を示しています。
結 論：
AIを用いたテクスチャ分析は、腎組織における虚血再灌流損傷の早期検出に有望であり、今後はデータセットの拡張や3D分析、多モーダルイメージングの統合が求められます。