正常乳腺組織（NBT）分類器：正常乳腺組織学におけるコンパートメント分類の進歩

科学分野:

• 計算病理学
• デジタル病理組織学
• 腫瘍学における人工知能

背景:

• 正常乳腺組織（NBT）の定量的分析は、早期がん検出にとって重要ですが、依然として限定的です。
• デジタル化されたスライドを使用した計算病理学は可能性を提供しますが、NBTのAIベースの分析が不足しています。

研究 の 目的:

• 正常乳腺組織の分類のためのAIモデルを開発および検証すること。
• 早期乳がん検出を支援するために、NBTコンパートメント分析のための堅牢な分析ツールを確立すること。

主な方法:

• 病理医がガイドしたアノテーションを持つ70枚の正常乳腺組織（NBT）の全スライド画像（WSI）をキュレーションしました。
• 畳み込みニューラルネットワーク（CNN）ベースのパッチレベル分類モデル（NBT分類器）を開発しました。
• 異なるパッチサイズ（128x128µmおよび256x256µm）を使用して、3つの外部コホート全体でモデルを検証しました。

主要な成果:

• NBT分類器は、外部コホート全体で0.98〜1.00のAUCを達成し、高いパフォーマンスを発揮しました。
• モデルは正常組織の明確な特徴を特定し、前がん病変およびがん性上皮からそれらを区別しました。
• 説明可能なAI技術により学習済み特徴が可視化され、パイプラインへの統合により周小葉領域の解析が容易になりました。

結論:

• NBT分類器は、正常乳腺組織の正確でコンパートメント特異的な分析を提供します。
• これらのツールは、前がん病変の変化を特定するための参照として機能し、NBT形態の理解を深めます。
• 開発されたモデルは、定量的分析の改善を通じて、早期乳がん予防戦略をサポートします。