腎病理WSIを対象とした deep neural network による画像認識

摘要

病理スライドをデジタル化する装置の普及が進 み，高品位のwhole slide image（WSI）が簡便に 得られるようになってきた.WSIの活用は病理医 が不足する施設のための遠隔診断にとどまらず, 人工知能技術,特にディープニューラルネット ワーク（DNN）を用いた画像認識の研究や実用化 に及んでいる.画像中の物体をコンピューターで認識するためには，数値の行列で表される画像 データから,人間が認識するさまざまなパターン を計算によって取り出す必要がある.DNNの登 場以前は，目的に応じた特徴量のとり方を個別 に設計する必要から，画像認識を応用する研究の敷居は高いものであった.しかし,DNNの登 場以降は，特徴量のとり方を個別に設計する必 要がなくなった.たとえば，画像中の糸球体にお ける「硬化病変のあり?なし」のような，画像に対応付く正解データを多数用意すれば，DNNは その対応を学習し高い精度で硬化病変の有無を 分類するようになるためである.最先端のDNN 手法は巨大IT企業や高い専門性を有する研究機 関の主導により開発され日進月歩の世界であるが,プログラムコードのオープンソース化や,高性能コンピューターを無料で利用できるGoogle Colabなど実行環境の普及により，一般的な利用 者であっても高性能のDNNを手軽に試すことが できる.医療を専門とする研究者が画像認識を応用するためには，DNNが行うことのできるタス クを理解し，それを組み合わせることでどのような医療上の課題が解決するかの問題設定を行うことが重要と考える.本稿ではDNNが行うことのできる3種類の画像認識タスク（分類,物体検出，領域抽出）を，腎病理のWSIを対象とする研究を例にあげながら解説する.