画像: SMMILe は、複数のインスタンス学習を通じてデジタル病理学における正確な空間定量化を可能にします (Gao, Z et al. Nature Cancer, 2025; DOI: 10.1038/s43018-025-01060-8)
通常、専門の病理学者による評価には最大 20 分を必要とする複雑なデジタル生検画像が、新しい人工知能 (AI) ツールを使用して約 1 分で分析できるようになりました。この技術は、がんを検出し、腫瘍病変の位置を特定し、攻撃性が異なる領域の割合を推定することができます。これにより、組織サンプルを解釈するためのより迅速かつ有益な方法が提供され、より個別化された治療上の決定が容易になる可能性があります。
ケンブリッジ大学 (イギリス、ケンブリッジ) の研究者によって開発された AI モデルは、詳細な注釈ではなく、基本的な診断情報がラベル付けされたスライドのみでトレーニングされました。このシステムは、スーパーパッチベースのマルチインスタンスの測定可能な学習を使用して、地域的な指導を受けずにトレーニングされているにもかかわらず、スライド画像全体を分析してがんのサブタイプとグレードの分布をマッピングします。腫瘍の不均一な組成を捕捉することにより、アルゴリズムは複雑な組織構造の臨床医の解釈を模倣します。
パフォーマンスを評価するために、チームは肺がん、腎臓がん、卵巣がん、乳がん、胃がん、前立腺がんを表す 3,850 枚のスライド全体画像を含む 8 つのデータセットでモデルをテストしました。この研究は、 自然がん、このツールが 9 つの主要な AI システムと同等かそれ以上のスライド レベルの分類精度を提供することを実証しました。さらに、腫瘍のサブタイプの割合と組織間の空間分布の推定において、それらを大幅に上回りました。
これらの発見は、このツールが診断ワークフローを最適化し、高度ながんの特性評価へのアクセスを拡大できる可能性があることを示唆しています。安価で広く利用可能なデータセットでトレーニングすることにより、空間腫瘍マッピングに関連するコストの壁を克服するのに役立つ可能性があります。研究チームは、このシステムを分子バイオマーカーの予測に適用することを計画しており、これにより腫瘍生物学のより深い理解が得られ、より個別化された治療戦略が可能になります。
このアルゴリズムの開発者であるケンブリッジ大学早期がん研究所のゼユ・ガオ博士は、「病理学者がより迅速かつ正確な診断を行えるようにすることで、患者がより早く最善の治療を受けられるようになり、がんの治療が成功する可能性が高まります」と述べた。
関連リンク:
ケンブリッジ大学
#ツールが複雑ながん画像を迅速に分析して個別化した治療を実現 #病理学