病理診断は患者から採取された生体組織を病理医が観察して行う医療行為であり，様々な疾患に対して確定診断となることが多い．一方で，診断時には各組織型の占拠割合の記載が必要となるが，本研究で取り扱う精巣腫瘍は，症例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，診断前に組織型ごとにその大まかな割合が算出できれば，診断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，病理切片染色画像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枚の病理切片染色画像を用いた．含まれる組織型は，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）96.96%，2枚目88.04%，3枚目58.20%，4枚目88.19%，5枚目96.10%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，さらに10枚程度の画像を追加し，胎児性腫瘍の領域以外の精度を上げたいと考える．
Publication
- 病理切片染色画像への深層学習モデルを用いた精巣腫瘍の識別精度の検証、田中 幹飛、高橋 泰岳、村元 暁文、築地原 里樹、第64回日本生体医工学会大会予稿集、O1-3-3-3、pp.362-364, 2025.6
