人工知能手法が組織化学的染色に代わる可能性がある

2022年10月31日

インテリジェントコンピューティングによる

病理学者は、まず組織サンプルを染色して観察します。 しかし、病理組織学における組織サンプルの染色の標準手順は時間がかかり、専門的な実験室インフラストラクチャ、化学試薬、および熟練した技術者が必要です。 さまざまな研究室や組織学技師の取り扱いにおける組織染色の不確実性は、誤診につながる可能性があります。 さらに、手順の各ステップがサンプルに不可逆的な影響を与えるため、現在使用されている組織化学的染色技術では元の組織サンプルは保存されません。

人工知能 (AI) の進歩に伴い、研究者は AI 技術を使用して病理学ワークフローを改善しています。 カリフォルニア大学ロサンゼルス校 (UCLA) の最近の研究では、ディープ ニューラル ネットワークを使用して、標識されていない組織の顕微鏡画像を仮想的に染色しました。 この研究は『Intelligent Computing』誌に掲載されました。

ディープ ニューラル ネットワークは、ラベルのない組織切片画像の染色にすでに適用されており、面倒で時間のかかるさまざまな組織化学的染色プロセスを回避しています。 ただし、いくつかのボトルネックがあります。 「すべてのラベルフリー仮想染色法において、ラベルされていない組織切片の焦点の合った画像を取得することが不可欠です。一般に、走査光学顕微鏡では焦点合わせは重要ですが、時間のかかるステップです」と著者らは述べています。

最も広く使用されている自動焦点方法では、高い焦点精度で組織スライド領域全体に多くの焦点を必要とし、最適な焦点面は反復検索アルゴリズムによって決定されますが、これには時間がかかり、サンプルに光損傷や光退色が生じる可能性があります。

これらの問題を克服するために、著者らは、新しい深層学習ベースの高速仮想染色フレームワークを紹介します。 彼らは、「このフレームワークは、自動焦点ニューラル ネットワーク (Deep-R と呼ばれる) を使用して、焦点のぼけた自己蛍光画像をデジタル的に再焦点合わせします。次に、仮想染色ネットワークを使用して、再焦点合わせされた画像を仮想染色画像に変換します。」と述べています。

標準的な仮想染色フレームワークと比較して、著者らによって実証された新しいフレームワークは、使用する焦点が少なく、組織の粗く焦点を合わせた全スライド自家蛍光画像を取得するために各焦点の焦点精度が低下します。

この新しい仮想染色フレームワークにより、オートフォーカスと画像取得プロセス全体の時間を大幅に短縮できます。 著者らは、「深層学習ベースのフレームワークにより、ラベルフリーの全スライド画像 (WSI) の仮想染色に必要な総画像取得時間が最大 32% 短縮され、その結果、1 回あたりのオートフォーカス時間も最大 89% 短縮されます」と述べています。ティッシュスライド。」

標準的な仮想染色フレームワークと比較して画像の鮮明さとコントラストが失われているにもかかわらず、対応する組織化学的に染色されたグラウンドトゥルース画像と厳密に一致する高品質の染色を生成できます。 さらに、このフレームワークは、標準の仮想染色フレームワークの堅牢性を向上させるアドオン モジュールとしても使用できます。

この高速仮想染色フレームワークには、将来さらに発展する可能性があります。 「この高速仮想染色ワークフローは、マッソントリクローム染色、ジョーンズ銀染色、免疫組織化学 (IHC) 染色など、他の多くの染色にも拡張できます」と著者らは述べています。 「ここで紹介した仮想染色アプローチは、ラベルされていない組織切片の自家蛍光イメージングに基づいて実証されましたが、他のラベルフリー顕微鏡法の仮想染色ワークフローを高速化するためにも使用できます。」

詳しくは： Yijie Zhang 他、ディープ ニューラル ネットワークを使用した非標識組織の焦点を絞った自己蛍光画像の仮想染色、インテリジェント コンピューティング (2022)。 DOI: 10.34133/2022/9818965