人工知能ベースの形態学的画像認識によるアスペルギルス属の菌節および菌種レベルでの同定

科学分野:

• 医療真菌学
• 計算生物学
• ヘルスケアにおける機械学習

背景:

• アスペルギルス症の診断と抗真菌療法をガイドするためには、アスペルギルス属の正確な同定が不可欠です。
• 従来の同定方法では、形態学的に類似した、系統学的に近縁なアスペルギルス属の種を識別することが困難です。
• 臨床微生物学においては、迅速かつ正確で費用効果の高い診断ツールの必要性が存在します。

研究 の 目的:

• アスペルギルス属の同定を強化するためのディープラーニングモデルであるFungalNetを開発および評価すること。
• 既存の方法と比較して、アスペルギルス属の同定の精度と効率を向上させること。
• 臨床真菌診断におけるAI駆動型画像分析の可能性を評価すること。

主な方法:

• ResNet-50アーキテクチャとFocal Lossを使用してディープラーニングモデルFungalNetを開発しました。
• 染色されたアスペルギルス標本の高解像度画像12,000枚を収集しました。
• クロスバリデーションと専門家レビューを含む品質管理プロセスにより、11,689枚の画像を前処理し、確立されたディープラーニングモデルと比較してモデルの評価を行いました。

主要な成果:

• FungalNetは、3つの確立されたディープラーニングモデルと比較して、優れた分類性能を達成しました。
• モデルは高い精度率を示しました：菌節レベルで98.45％、菌種レベルで97.85％。
• FungalNetは、真菌同定のための迅速かつ費用効果の高いアプローチを提供します。

結論:

• FungalNetは、臨床現場におけるアスペルギルス属の迅速かつ正確な同定のために大きな可能性を示しています。
• AIベースのアプローチは、真菌同定ワークフローの効率と信頼性を向上させる可能性があります。
• 日常的な診断への統合の可能性のために、さらなる最適化と多施設での検証が推奨されます。