適用方向：

高スペクトルイメージング技術は医学診断分野で広い応用の将来性を示している。高スペクトルイメージングは単一画像中で組織の空間構造とスペクトル情報を同時に取得することができ、細胞と組織の異なる帯域下でのミクロ光学的特徴を明らかにし、病変組織に対する非侵襲、定量的な識別を実現する。その医学診断分野における応用方向は主に：結直腸ポリープ及び癌前病変の光学診断、内視鏡検査における腺腫性と非腫瘍性*肉のリアルタイム区別を実現すること、手術中の迅速な組織鑑別と縁切りの位置付け、医師の精確な病巣切除を補助する、病理切片解析と自動分類など。

背景：

結腸直腸癌は世界的に癌死亡の第2の原因であり、その予防制御の鍵は癌前病変である結腸直腸ポリープの早期発見と切除にある。現在、結腸鏡検査は末期結腸直腸癌を予防し、死亡率を下げる初の方法とされている。しかし、実際の検査では、多くの発見されたポリープは体積が小さい（直径6〜9 mm）または極小（1〜5 mm）であり、その中に高級病理特徴または癌化潜在能力を備えている割合は極めて低い。従来の方法では、すべてのポリープを切除する並列病理検査を行っていたが、この方法ではコストと作業負担が増加した。そこで、高精度内視鏡イメージング技術を用いて、内視鏡下でポリープの性質を正確に判断し、一部の病理検査を省くことができる光学診断に基づく「切除して廃棄する」戦略を提案した。

しかし、既存の光学診断技術（狭帯域イメージングNBI、青色イメージングBLIなど）は臨床実践においてまだ限界がある：正確性依存経験の豊富な内視鏡医師、初心者の診断は整合性が悪い、同時に、人工知能はポリープの識別を補助するために使用されているが、特異性が不足している、モデルの解釈性が悪い、訓練データの異質性が大きいなどの問題に限られており、その普及は依然として阻害されている。

上記の困難を克服するために、本研究では高スペクトルイメージング技術を導入した。この技術はデジタルイメージングとスペクトル分析を結合し、画素レベルごとに組織の形態とスペクトル特徴を同時に捕獲し、組織の生化学組成と病理変化を反映する豊富なスペクトル情報を取得することができる。従来のRGB画像と比較して、高スペクトル画像は肉眼では見えない組織の違いを明らかにすることができ、組織学的性質の識別と病理分類に新たな根拠を提供する。

作者情報：彭程、山東大学斉魯病院

定期刊行物の出所：がん 医学

研究内容

本研究は高スペクトルイメージングと深さ学習（残差ネットワーク、移動学習）に基づく結直腸ポリープ組織分類アルゴリズムを開発し、検証することを目的とし、内視鏡検査において腫瘍性と非腫瘍性*肉を迅速に区別し、それによって人工知能が支援する「切除と廃棄」戦略の着地を推進し、診断の正確性を高め、医療コストを削減する。

実験デザイン

結腸鏡操作中、すべてのポリープはまずコールドトラップ切除（CSP）を用いた。直径≦3 mm、CSP技術の難度が高い微小病巣については、生検鉗子で完全に除去する。本研究はポリープ＜1 cmの新鮮粘膜標本のみを組み入れた、モデルに高次の病理的特徴を習得させるために、進行期腫瘍生検を同時に採取した。ポリープまたは病巣を切除/クランプして採取すると、すぐに標準化操作に従って高スペクトル（HS）カメラで画像化し、簡単な流れは図1 Aを参照する。

高スペクトルイメージングデータ収集には、GaiaMicroシリーズの高スペクトルカメラ、顕微鏡、キャリブレーションホワイトボード、システムホルダ、顕微鏡対物レンズを含むバイナリスペクトルのGaiaMicro-V 10 E-HRデバイスが使用されています。Gaia Microシリーズには、高スペクトルデータキューブを得るための空間を推進するプッシュスキャン式の高スペクトルカメラが内蔵されています。1101行の空間サイズで画像を収集し、960×1101×360（行数×行数×帯域数）を生成する。

すべての結腸直腸ポリープサンプルはホルマリン固定、パラフィン包埋後にスライスし、H&Eで染色した。2人の豊富な経験を持つ病理学専門家は、世界保健機関の結直腸腫瘍分類基準に基づいて独立して錠剤を見て最終診断を行った。米国多学会結腸直腸癌作業群の共通認識に基づき、サンプルは非腫瘍性病変と腫瘍性病変の2つの大類に分けられ、その中で腫瘍性病変はさらに非進展性腺腫と進展性腫瘍に細分された。

研究方法

異なる組織学的ラベルのサンプル数をバランスさせるために、サンプルごとにランダムに複数の視野を選択した高スペクトル画像を増幅するために、カテゴリごとにデータ拡張を実施しました。高スペクトルデータの次元が高く、計算量が大きいという難題に対して、私たちは元の高スペクトル立方体からスペクトルと空間情報を抽出し、二次元（2 D）画像に再構築した、図1 Bは、1次元スペクトルと2 D画像の対応関係を視覚的に示している。HS画像1枚につき、次元を下げて2 D画像900枚を生成することができる。

この研究は結腸直腸病変画像の自動分類を実現するための2次元畳み込みニューラルネットワーク（2 DCNN）訓練モデルに基づいている。このネットワークはサンプルのスペクトル情報と空間情報を同時に結合し、組織特徴を総合的に分析することができる。従来の畳み込みニューラルネットワークがネットワーク階数を深める際に発生しやすい勾配消失とネットワーク劣化の問題を克服し、モデル性能をさらに向上させるために、研究では残差ネットワーク（ResNet）構造を採用した。既存のモデルパラメータを微調整して、新しいタスクまたは新しいデータ特性に適応させる方法です。本研究では、研究者は移行学習戦略を採用し、事前訓練されたResNetモデルパラメータを初期重みとしてロードした後、モデルの末端に全接続層を追加し、ネットワークのすべての層構造を再構築し、異なる病理型結腸ポリープに対するモデルの識別能力を強化した（図1 Bに示す）。

図1実験設計とワークフロー（A）結腸鏡検査における新鮮ポリープ組織のinsitu高分光イメージングと分光分析概略図。（B）高スペクトル立方体のスペクトル−空間特性、立方体の2次元画像への変換、および残差ニューラルネットワークモデルアーキテクチャの概略。（C）白色光内視鏡画像とHSI−AI補助診断2週間後の内視鏡医師の光学診断能力評価。

内視鏡医師の小及び微小結腸直腸ポリープの診断能力を評価するために、研究にはベテラン内視鏡医師4人（累計＞2,000例スクリーニング結腸鏡）と初級内視鏡医師6人（累計200〜400例）を招待して試験に参加させた。試験はアンケート形式を採用し、試験集中病巣の白光内視鏡画像に基づいて判断した。初級内視鏡医師と専門家内視鏡医師の補助診断効率を評価するために、それぞれ映像を2回再検査し、まず内視鏡医師に対して独立した試験を行い、その後、内視鏡医師が最終診断を行う前にHSI-AIモデルの予測結果を通知し、HSI-AI補助診断試験と呼ばれ、2回の試験間隔の2週間の洗浄期間、そして最終結果を比較した。

モデルの診断性能を混同行列（confusion matrix）で評価した。精度（Accuracy）は、すべての観測サンプルにおける分類モデルの正確な分類の割合を表す。モデルの性能を全面的に評価するために、感度（sensitivity）、特異性（specificity）、陽性予測値（PPV）、陰性予測値（NPV）も計算し、そして被験者の動作特徴曲線（ROC curve）とその曲線下面積（AUC）を通じてモデルの全体診断能力を反映した。副次評価指標には、初級と専門家の内視鏡医師の診断表現、および高スペクトル人工知能（HSI-AI）モデルの診断に対する補助効率が含まれる。すべての内視鏡医師の診断指標は、中央値（median）と四分位距離（IQR）で表される。Mann-Whitney U検査を用いて独立診断とHSI-AI補助診断の違いを比較し、両側p値が0.05未満であることは統計学的意義があると考えられる。

結果

73人の患者の94人の組織サンプル（うち64人はポリープ切除術、30人は生検）を組み入れた。病理評価の結果、53部のサンプルは低レベル異型増殖管状腺腫（非進行性腺腫、NAA）、28部は非腫瘍性*肉（NNP）、13部は進行性腫瘍（AN）であり、6例の高レベル異型増殖管状腺腫、3例の絨毛状腺腫及び4例の腺癌を含む。データ強化後、合計161枚の高スペクトル画像から144900枚の二次元画像を生成し、6：3：1の割合で訓練セット、試験セット、検証セットに分けた。

異なる組織タイプの典型的なスペクトル曲線を比較することにより、波長406.9〜662.1 nmの範囲内の3種類の組織（NNP、NAA、AN）のスペクトル形状とピークサイズに明らかな差があることが分かった。その結果、波長575 nmにおいて、3種類の組織の反射率の違いは高度な統計学的意義（p<0.001）があり、高スペクトルイメージングが異なる組織病理タイプを効果的に区別できることを示した。

データの信頼性を検証し、2次元画像データの相関性を探究するために、研究は2組のモデル実験を行った。第1グループのモデルでは、研究者は2次元画像をランダムにシャッフルした後、サンプル間の個体差を考慮せずに訓練を行った。その結果、このモデルは各グループにおいて高い精度を得ており、トレーニングセットとテストセットのAUCはそれぞれ0.97と0.96であり、同じサンプルの異なる領域のスペクトル画像間に良好な相関性と一致性があることを説明した（図2 A）。

図2高スペクトル画像に基づく残差ニューラルネットワークの自動診断（A、B）ニューラルネットワークの非腫瘍ポリープ/非進展期腺腫/進展期腫瘍三分類任務における訓練、検証及び試験結果。（C，D）自動分類タスクにおける複数のニューラルネットワークモデルの性能比較。

第2グループのモデルでは、研究者は独立した患者単位で検証を行い、データをサンプルごとにグループ化した後、それぞれをシャッフルして2次元画像を生成した。同じサンプルから生成された2次元画像の80%以上が正しく分類されていれば、そのサンプルは予測が正しいと判定される。モデルは三類組織（NNP、NAA、AN）の分類結果に対して優れており、全体の正確率は95.8%に達し、平均AUCは0.97であった。そのうち、腫瘍性病変（NAAとANを含む）に対する予測感度は99.0%、特異性は96.0%であり、このモデルは腫瘍性と非腫瘍性*肉を識別する上で*高い診断潜在力を持っていることを示した。

研究は白光内視鏡画像の診断表現を評価することにより、AI補助前後の内視鏡医師の腫瘍性と非腫瘍性*肉の区別における差異を比較した。独立診断段階では、経験豊富な専門家内視鏡医師による腫瘍性*肉の中位単画像診断精度は91.1%であったが、初級医師は71.4%にとどまった。テストセットでは、HSI−AIモデルは腫瘍性*肉ごとに分類され、1例の非進行性腺腫（NAA）のみが進行性腫瘍（AN）と誤審された。HSIAIモデルの支援を受けて、初級内視鏡医師の全体中位精度は94.7%に上昇し、すでにベテラン医師のレベルに近づいている。自己対照によると、一次群のAI補助前後の診断所見の差は顕著で（p＜0.01）、ベテラン群に統計学的差はなかった（p＝0.63）。陰性予測値（NPV）については、複数の初級医師がAI補助後に90%を超え、PIVIの「切除・廃棄」戦略の要求に合致している。一次グループ全体の中位NPVは50.0%から88.2%（p＝0.013）にジャンプした。残りの診断指標も全*改善され、初級医師の具体的なデータは図3を参照してください。

図3一次内視鏡医師は白光内視鏡画像下で、（左）と（右）HSI-AIによる補助を借りていない場合の腫瘍性と非腫瘍性結腸ポリープの診断性能の比較

結論

本研究では、高スペクトルイメージング（HSI）を用いて、新鮮な結腸組織上で結直腸ポリープに対して腺腫と非腺腫の高精度な区別を実現し、さらに進行期腫瘍を識別することができることを確認した。このツールは初級内視鏡医師の診断レベルを著しく向上させ、AI補助診断と結腸鏡のリアルタイム同期の潜在力を示した。