ドナー腎臓評価における病理医の診断精度向上：深層学習ベースの仮想染色を用いた後方視的・前方視的診断一致性研究

科学分野:

• 腎臓病学
• デジタル病理学
• 人工知能

背景:

• ヘマトキシリン・エオジン（H&E）染色ではコラーゲン線維の可視化が不十分であり、ドナー腎臓の間質線維化の評価を妨げていました。
• 一般病理医はしばしば腎臓専門のトレーニングを受けておらず、慢性腎臓病変の評価に課題を抱えています。

研究 の 目的:

• 人工知能ベースの仮想染色が、特に間質線維化と慢性病変のドナー腎臓評価を強化する上での有効性を調査すること。
• 仮想染色が、様々な専門レベルの病理医の間で診断精度と評価者間の一致性を向上させることができるかどうかを判断すること。

主な方法:

• H&E染色画像を仮想マッソントリクローム（VMT）表現に変換するために、CycleGANベースの人工知能モデルを開発および検証しました。
• レムッツィスコアリングシステムを使用して、VMTの有無にかかわらず間質線維化と慢性変化を評価し、腎臓専門病理医と一般病理医による評価を比較しました。
• モデルのパフォーマンスを確認するために、凍結切片で前方視的な検証を実施しました。

主要な成果:

• 仮想マッソントリクローム染色（VMT）は、間質コラーゲン線維を効果的に可視化し、より信頼性の高い線維化分類を可能にしました。
• 診断精度はVMTによって著しく向上し、一般病理医と腎臓専門病理医の両方で評価者間の一致性が大幅に増加しました。
• 一般病理医はVMTを使用して線維化評価において専門医に近いパフォーマンスを達成し、専門知識のギャップを埋めました。

結論:

• 深層学習ベースの仮想染色は、一般病理医によるドナー腎臓評価の精度を著しく向上させ、専門医レベルのパフォーマンスに近づけます。
• この技術は、移植医療における線維化と慢性病変の評価に、効率的で費用効果の高いソリューションを提供します。
• 仮想染色は、一般病理医と専門病理医との間の診断格差をなくす可能性を秘めています。