CA-125バイオマーカーをサポートとした、DMBA誘発卵巣がんの病理組織画像からの自動検出のためのクロスバリデーションされた深層学習フレームワーク
A cross-validated deep learning framework for automated detection of DMBA-induced ovarian cancer from histopathological images with CA-125 biomarker support
卵巣がん(OC)の診断精度向上のため、AIを用いた病理組織画像解析と多峰性データ統合による診断支援フレームワークが開発された。実験では、メスのアルビノラットに7,12-ジメチルベンズ[a]アントラセン(DMBA)を投与してOCを誘発し、血清CA-125レベルを測定した結果、がん群(438.7 ± 6.4 U/mL)は対照群(22.5 ± 3.1 U/mL)と比較して有意に上昇した(p < 0.01)。病理組織画像データセット(904枚)を用いてカスタム畳み込みニューラルネットワーク(CNN)を開発し、5分割交差検証で評価した結果、テスト精度96.69%、適合率95.8%、再現率97.2%、F1スコア96.5%を達成した。交差検証による平均精度は96.42 ± 0.52%であり、従来の機械学習手法や転移学習モデルと比較して優れた性能を示した。この研究は、血清バイオマーカー、病理組織、深層学習の統合が卵巣がん検出のための堅牢な前臨床フレームワークを提供することを示唆している。
- AIを用いた病理組織画像解析と血清CA-125バイオマーカーを統合した卵巣がん検出フレームワークを開発。テスト精度96.69%、F1スコア96.5%を達成
- 前臨床ラットモデルにおいて、がん群の血清CA-125レベル(438.7 ± 6.4 U/mL)は対照群(22.5 ± 3.1 U/mL)と有意に上昇(p < 0.01)
本研究は、深層学習と病理組織画像および血清バイオマーカーを統合し、前臨床段階で96%超の精度で卵巣がん検出を実現した点で注目に値する。AIによる病理診断支援は、FDA承認のデジタル病理AI製品が増えている分野であり、本フレームワークのヒト臨床応用や、他のがん種への展開が実現すれば、診断精度向上とコスト削減に直結する。投資家としては、この技術の臨床現場への橋渡し(ヒト組織での検証、規制対応、企業との協業)が次のマイルストーンとなる。