ラットにおけるクリティカルサイズ骨欠損治癒のための深層学習ベース組織学的評価モデルの開発 - 客観的ツール

科学分野:

• 生物医学工学
• 再生医療
• 計算病理学

背景:

• ラットにおけるクリティカルサイズの大腿骨欠損は、骨再生のための標準的な前臨床モデルである。
• 組織学的評価は重要であるが、時間がかかり、観察者間のばらつきが生じやすい。
• 機械学習、特にCNNは、客観的な組織学的分析の機会を提供する。

研究 の 目的:

• 骨治癒の自動組織学的評価のためのCNNモデルを開発および検証すること。
• AIのパフォーマンスを人間の専門家や学生と比較すること。

主な方法:

• 修正U-Net CNNを、Movat pentachrome染色されたラット大腿骨欠損組織学（n=669）でトレーニングした。
• 5つの組織クラスを、セマンティックセグメンテーションおよび治癒段階の分類のために注釈付けした。
• AIの骨治癒スコアを、20の独立した画像における専門家および学生の評価と比較した。

主要な成果:

• CNNモデルは、主要な組織タイプの高いセグメンテーション精度を示した。
• AIによって生成された治癒スコアは、専門家の評価と強く相関した（Spearman r=0.819）。
• スコアリングにおけるAIのパフォーマンスは、医学生と同等であり、専門家との優れた一致を示した（ICC=0.820）。

結論:

• CNNベースモデルは、組織学的骨治癒評価において専門家レベルのパフォーマンスを達成する。
• このAIツールは、前臨床骨再生研究のための再現可能で時間効率の良いソリューションを提供する。