基礎科学と病態生理

科学分野:

• 神経病理学
• 計算病理学
• 医用画像解析

背景:

• 現在の脳動脈硬化症の評価は、手動の組織学的検査からの主観的、半定量的な尺度に依存している。
• 手動の方法は、術者間信頼性が低く、正確な定量的指標を欠いている。
• 領域特異的、高解像度解析は、手動ではしばしば非現実的である。

研究 の 目的:

• 動脈硬化性血管の自動形態計測解析のための機械学習（ML）ベースアルゴリズムを開発および検証すること。
• 全スライド画像（WSI）における定量的評価のために、動脈硬化症セグメンテーション（ArtS）および硬化指数・壁厚抽出（SITE）を導入すること。

主な方法:

• 3つの脳バンクから得られた、ヘマトキシリン・エオジン染色されたデジタル化脳WSI。
• 血管検出、動脈硬化症分類、血管壁/内腔セグメンテーションのために、ArtS内で3つのMLモデルをトレーニングした。
• セグメント化された血管から硬化指数および壁厚を抽出するためにSITEツールを使用した。

主要な成果:

• ArtSは、血管検出（AUC-ROC 0.79まで）および動脈硬化症分類（精度0.94まで）において堅牢な性能を示した。
• 動脈硬化性血管のセグメンテーションは、Diceスコア0.73まで、AUC-ROC 0.92までを達成した。
• SITEは、専門家評価に匹敵する定量的指標を正常に計算した。

結論:

• ArtSおよびSITEアルゴリズムは、動脈硬化症の定量的形態計測解析において大きな可能性を示している。
• これらのMLツールは、現在の人間ベースの評価方法を血管病理学において強化することができる。
• さらなる最適化は、神経病理学者にとって価値のある支援ツールにつながる可能性がある。