成果報告書詳細
管理番号20150000000652
タイトル平成22年度-平成26年度成果報告書 がん超早期診断・治療機器の総合研究開発 超早期高精度診断システムの研究開発:病理画像等認識技術の研究開発 病理画像等認識自動化システムの研究開発 (定量的病理診断を可能とする病理画像解析システム)
公開日2015/8/20
報告書年度2010 - 2014
委託先名日本電気株式会社
プロジェクト番号P10003
部署名ロボット・機械システム部
和文要約件名:平成22年度-平成26年度成果報告書 がん超早期診断・治療機器の総合研究開発 超早期高精度診断システムの研究開発:病理画像等認識技術の研究開発 病理画像等認識自動化システムの研究開発 (定量的病理診断を可能とする病理画像解析システム)

肝臓癌をターゲットとし,細胞核特徴量の計量と核特徴量に基づいた肝細胞癌(Hepatocellular carcinoma, HCC)検出器の開発を行った.細胞核特徴量のみに基づいたHCC検出器では,感度(HCC検出率)90%,特異度87.7%の精度を達成した.次に,さらなる検出精度の向上を目的として,細胞核特徴量と組織構造特徴量を用いて総合的にHCC判別を行う統合HCC検出器を構築した.新たに取り入れた構造特徴量は,細胞索中のNC比と核密度,層の数,グラフ核間距離,脂肪滴面積,淡明度,間質占有率などである.その結果,感度91.3%,特異度89.7%まで精度を向上できた.
上述したHCC検出アルゴリズムは,がん組織と非がん組織を高精度に識別することが可能であるが,組織がなぜがんと判断されたのかという理由が明確ではないという課題があった.また,同じがんであっても悪性度が高いがんなのかそうでないのかを把握することは,治療方針の決定などに重要な情報となる.悪性度の判定は細胞核の大きさや形などの特徴に基づいて行われるが,その客観性・再現性については改善の余地があると言われている.そこで本プロジェクトでは,HCC判別に用いた特徴量にがんの悪性度(G0, G1, G2, G3, G4)を紐付け,機械学習アルゴリズムの一つである決定木モデルを用いて悪性度判定規則の抽出を行った.これによって「特徴Aの値がx以上でかつ特徴Bの値がy以下ならばG4」などのように,比較的簡単な規則でがんの悪性度を客観的に表現できるようになった.
製品化・事業化へ向けた成果として,開発した要素技術,すなわち細胞核特徴量計測,構造特徴量計測,HCC検出,悪性度評価を,肝組織用の病理画像解析システムとして統合し,プロトタイプを構築したことが挙げられる.本プロトタイプシステムは,計測した特徴量をヒストグラムやバーグラフ,ヒートマップで可視化し,視覚的に分かりやすい形で表示する機能や,選択した組織領域に対して,予後や悪性度などの臨床情報を入力する機能を備えている.また,悪性度分類に関しても,解析対象領域がどのような規則でどのレベルの悪性度に分類されたかについて決定木として表示することによって分かりやすく表現する機能も実装している.この機能を用いることにより,HCC検出の精度向上や,病理学的形態から新たな知見を得るための解析等に利用することが可能となっている.本システムの有効性を試験するために, 700症例を超える実証実験を行い,実施計画において当初目標として掲げていた解析速度や精度に関する目標を達成できていることを確認した.プロトタイプシステム開発の過程で蓄積されたユーザインタフェースや特徴量の提示法などのノウハウは,e-Pathologist(胃・大腸対応版)の新機能として反映させ,デジタル病理市場に対する本システムの普及を加速させるための基盤を確立した.
英文要約Title : Research and Development Project to develop the equipments that automatically recognize pathological images. Pathological image analysis equipment to enable a quantitative pathological diagnosis (FY2010-FY2014) Final Report

The purpose of this project is to develop a prototype of a quantitative digital pathology system that standardizes and improves the quality and objectivity of diagnosis and prevents oversights and misdiagnosis.
As one of the basic modules of our system, we developed a hepatocellular carcinoma (HCC) detector. Using only nuclear morphological features, its accuracy reached 90% sensitivity (true positive rate) for an 87.7% specificity. We then added structural features such as the nuclear-cytoplasmic ratio in the trabecula, the nuclear density in the trabecula, the number of layers, the graph-based inter-nuclear distance, the lipid droplet mean ratio clear cell change and the stroma occupancy. As a result, the accuracy was improved to 91.3% sensitivity for an 89.7% specificity.
For applications where a finer-grained diagnosis is required, such as grading based on nuclear morphology, it is desirable to provide the pathologist with more detailed insights on how the system reached its diagnosis. Grading is a very important step in cancer diagnosis and is one of the bases of high-accuracy diagnosis and personalized cancer treatments. However, it has suffered from a lack of objectivity and reproducibility by human pathologists.
To address these issues, we developed a grading system based on nuclear morphology features coupled with a “Decision Tree” classifier. Using five grading labels (G0, G1, G2, G3, G4), explicit rules were successfully extracted. With this approach, the system can explain its grading decision with simple rules that can be understood by humans, for instance, "if feature A value is greater or equal to x and feature B value is less than y, then grade=G4."
Regarding the business plan and the commercialization of the prototype system, all basic technologies (computation of nuclear features, computation of structural features, HCC detection, and grading) are integrated as a practical and unified system. The system has the functionalities of visualization of features by histogram, bar chart and heat map, for easy-to-understand presentation of analysis results.
In addition to the above functions, the system also provides a mean of adding clinical information, such as grading and prognosis, to selected tissue areas.
To evaluate the effectiveness of our system, a feasibility test was conducted using over 700 cases, and we confirmed that the goal of our project (regarding speed and accuracy) was successfully achieved.
The technologies and know-hows accumulated through the development of the HCC system were also transferred to NEC’s e-Pathologist product (gastric-colon version) as new functionalities to accelerate its penetration into the digital pathology market.
ダウンロード成果報告書データベース(ユーザ登録必須)から、ダウンロードしてください。

▲トップに戻る