疾患，特に腫瘍に対して確定診断をつける際，病理診断は必須のプロセスである．病理診断は単独もしくは複数の病理医の観察のもと行われる．本研究で取り扱う精巣胚細胞腫瘍の診断においては一般的に，診断時には各組織型ごとの占拠割合の記載が必要となるが，症例数が少ない組織型や複数の組織型の混在等があるため，割合を求めるための作業負荷が大きい．深層学習を活用し，診断前に各組織型ごとの割合が自動算出できれば，診断にかかる人的コストを大幅に削減できると考える．
本研究では，深層学習アルゴリズムであるYOLOv8-segを用いて，組織切片画像（Whole Slide Image: WSI）から精巣腫瘍の組織型を学習させ，推論を行う．組織型ごとにアノテーションを行った5枚のWSIを用いた．含まれる組織型は，セミノーマ，胎児性腫瘍，絨毛癌，卵黄嚢腫瘍，奇形腫である．各画像を細胞が視認できるレベルまで細かく分割し，データセット数700枚程度で追加学習を行った．
正常領域を含めた画像全体の正解率は１枚目(Fig. 2)97.47%，2枚目86.51%，3枚目60.45%，4枚目89.88%，5枚目96.49%となった．
用意した画像は，主に胎児性腫瘍の領域が大きく，胎児性腫瘍以外の4種類の領域は微小領域であったため，正解率への影響は小さい．そのため，今回の正解率の高さは，胎児性腫瘍の領域の検出精度の高さと言え，最も卵黄嚢腫瘍と奇形腫の領域が大きい３枚目の画像では学習が不十分のため，正解率が低い．
今後の展望として，追加学習やモデルの改良等を通して，胎児性腫瘍の領域以外の精度を上げたいと考える．
