順天堂大学とシスメックスの共同研究グループは、抹消血液標本の画像データを活用したディープラーニングでAIを構築し、骨髄増殖性腫瘍の高精度な自動鑑別が可能になったと発表した。臨床応用されれば、血液検査から疾患鑑別支援まで自動で貫徹するフローが実現することになり、診断の質を保ちながらの現場の負担軽減が期待される。
69万個以上の血液細胞画像データベースからAIを構築
研究成果を発表したのは、順天堂大学大学院医学研究科次世代血液検査医学講座の木村考伸 大学院生、田部陽子 教授らとシスメックスの共同研究グループ。血液疾患の診断においては、血球数算定検査や顕微鏡による血液細胞形態検査、細胞表面抗原検査、遺伝子検査など複数の検査情報に基づいた総合的な判断が必要となるが、これらの検査に携わる熟練した検査技師や医師は不足している。さらに、血液がんのフィラデルフィア染色体陰性骨髄増殖性腫瘍は、血液細胞形態での判別が難しく、病型分類が困難という課題がある。このような課題に対し研究グループでは、血液細胞形態のAIによる自動分析と、血液基本検査である血球数算定の測定結果を組み合せた「統合型AI分析システム」による早期スクリーニング検査・診断支援システムの可能性を検証した。
具体的にはまず、血液疾患、感染症や健常人を含む3,261症例の末梢血液標本から収集した、計695,030個の大規模な血液細胞のデジタル画像データベースを用いディープラーニングによるAI画像解析システムを構築。そこに基本的検査である150項目におよぶ血球数算定情報を組み込んで、「統合型AI分析システム」を開発した。
次に、構築したシステムを用いて骨髄増殖性腫瘍の病型である真性多血症※1、本態性血小板血症※2、骨髄線維症※3に対する血液検査情報の網羅的な分析を行った。AIによるディープラーニングを通じ血液細胞の形態異常などの画像特徴量（17種類の細胞分類と97種類の形態異常）を抽出した上で、抽出された特徴量に血球数算定の値を統合。統計的計算により病型鑑別に最も効果的と判定された174の特徴量を選び出し、その後、これらの特徴量を用いてAI技術の1つである「勾配ブースティング法※4」による解析を実施した。結果、極めて高精度な診断能力（真性多血症：感度100.0%・特異度95.4%、本態性血小板血症：感度90.6%・特異度95.2%、骨髄線維症：感度100.0%・特異度90.3%）※5を有することを実証したという。
研究グループでは、今回の成果はAI自動分析技術による、末梢血を用いた骨髄増殖性腫瘍の鑑別に関する迅速で簡便なスクリーニング検査・診断支援への応用につながるとしている。今後は臨床実用化を進めるとともに、さらに多種類の検査データを組み入れることで、汎用性のあるAI自動分析システムの構築を進める予定だという。なお研究成果は論文として、英国科学雑誌「Scientific Reports」のオンライン版（2021年2月9日付）で公開された。
※1 真性多血症：骨髄増殖性腫瘍の一病型であり、骨髄での赤血球産生が過剰亢進する疾患。JAK2遺伝子変異などにより赤血球の増殖が進行する。白血球数、血小板数の増加もしばしば認める。
※2 本態性血小板血症：骨髄増殖性腫瘍の一病型であり、血小板の著明な増加を特徴とし血栓や出血傾向を呈する疾患。JAK2、CALR、MPLなどの遺伝子変異が原因と考えられている。
※3 骨髄線維症：骨髄増殖性腫瘍の一病型であり、造血幹細胞の異常により骨髄の線維化が進行する。骨髄血液産生能が低下し、貧血症状や出血傾向、易感染性が認められる。
※4 勾配ブースティング法：主に数値項目に対し高精度での予測・判別を実現する機械学習アルゴリズム。
※5 真性多血症：34症例学習/9症例検証、本態性血小板血症：167症例学習/53症例検証、骨髄線維症69症例学習/12症例検証
※2 本態性血小板血症：骨髄増殖性腫瘍の一病型であり、血小板の著明な増加を特徴とし血栓や出血傾向を呈する疾患。JAK2、CALR、MPLなどの遺伝子変異が原因と考えられている。
※3 骨髄線維症：骨髄増殖性腫瘍の一病型であり、造血幹細胞の異常により骨髄の線維化が進行する。骨髄血液産生能が低下し、貧血症状や出血傾向、易感染性が認められる。
※4 勾配ブースティング法：主に数値項目に対し高精度での予測・判別を実現する機械学習アルゴリズム。
※5 真性多血症：34症例学習/9症例検証、本態性血小板血症：167症例学習/53症例検証、骨髄線維症69症例学習/12症例検証