日本病理学会、国立情報学研究所、東京大学などは共同で、胃生検の病理組織画像から腫瘍（癌）の有無を判定する病理診断支援AIを開発した。
癌の診断確定には病理医による顕微鏡での病理診断が必須とされているが、日本では慢性的に病理医が不足し、過重負担やダブルチェックが困難であることによる癌の見落とし（あるいは過剰診断）のリスクが問題視されている。
そのため本グループでは、病理診断のダブルチェックを行うAIの開発に取り組み、今回、日常病理診断で最も頻度の高い検体である胃生検を対象に、病理医との診断一致率90～97％に達する病理診断AIの開発に成功した。
AIの画像認識機械学習には、画像識別に優れた性能を発揮する深層学習を用いた。また、病理診断に用いられる画像はフルカラーかつ超高解像度で、一般の画像認識とは桁違いの情報量となるため、新たな深層学習手法である“Multi-stage semantic segmentation for pathology（MSP）法”を開発して採用した。
この手法は、あたかも病理医が顕微鏡の低倍率と高倍率での観察を組み合わせて病理診断を下すことを模倣したようなものだといい、病理画像のデータ容量を大幅に圧縮しながらも、画像全体の位置情報を失うことなく機械学習を行うことができる。これにより偽陽性を削減でき、従来法よりも優れた精度で癌と非癌の判定ができるようになったとしている。
このAIを病理診断の現場でダブルチェックの支援として用いることで、病理医の負担軽減、診断向上が見込まれる。また、遠隔病理診断ネットワークに組み入れることによって、がん医療の均てん化（全国どこでも等しく高度な医療を受けられること）も促進できるとしている。
論文情報：
