MEDICINE & AI

タイトル：Exploring the feasibility of AI-based analysis of histopathological variability in salivary gland tumours 雑誌名：Sci Rep. 2025 Aug 09; 15(1): 29171. 概　要： 本研究は、デジタル化されたヘマトキシリン・エオシン染色の全スライド画像を用いて、唾液腺腫瘍（SGT）の鑑別に人工知能（AI）を活用することを目的としています。320枚のスキャンされた全スライド画像を用いて、良性と悪性腫瘍の自動識別を行う良性対悪性分類器（BvM）、4種類の一般的な悪性SGTのサブタイプ分類器（MST）、および悪性腫瘍のグレーディング分類器を開発しました。機械学習（ML）結果は深層学習（DL）モデルと比較され、全てのML分類器は優れた精度を示しました。良性対悪性および悪性サブタイピングタスクでF1スコア0.95、グレーディングで0.87を達成しました。外部検証では、独立したコホートにおいて良性対悪性およびグレーディング分類器でF1スコア0.87の良好な精度が示されました。腫瘍間で細胞密度、核ヘマトキシリン、細胞質エオシン、核/細胞比との有意な関連が見られました。AIを用いたSGTの自動鑑別の可能性が示され、さらなる多施設コホートの分析が必要です。 方　法： 本研究は、320枚のデジタル化されたヘマトキシリン・エオシン染色の全スライド画像を用いた機械学習（ML）を基にしたコホート研究です。良性対悪性分類器、悪性サブタイピング分類器、悪性腫瘍グレーディング分類器の3つのML分類器を開発し、深層学習（DL）モデルと比較しました。主要評価指標はF1スコアで、良性対悪性および悪性サブタイピングで0.95、グレーディングで0.87を達成しました。 結　果： ML分類器は、良性対悪性および悪性サブタイピングタスクでF1スコア0.95、悪性腫瘍のグレーディングで0.87を達成しました。外部検証では、良性対悪性およびグレーディング分類器でF1スコア0.87の良好な精度が示されました。また、腫瘍間で細胞密度、核ヘマトキシリン、細胞質エオシン、核/細胞比との有意な関連が確認されました。 結　論： AIを用いた唾液腺腫瘍の自動鑑別が可能であることが示されました。これらの結果は、臨床的有用性を確立するために、より大規模な多施設コホートの分析が必要であることを示唆しています。