一般社团法人日本病理学会和国立信息学研究所（NII）在日本医疗研究开发机构（AMED）的支援下，与东京大学合作开发了利用内窥镜观察胃中情况并采集疑似病变部位粘膜组织的“胃活检”病理诊断支援AI。通过将该AI用于病理诊断的双重检查，有望为长期短缺的病理医生提供支援，减轻其过重的工作量，另外，通过将其纳入远程病理诊断网络，有望实现在日本全国任何地方都可以接受标准癌症专业治疗的“癌症医疗均享化”。该研究成果已于8月12日发布在日本癌症学会的国际期刊《Cancer Science》上。
图1：病理诊断AI可望能达到的效果（供图：日本病理学会）
此次开发的是可以从显微镜的超高分辨率数字图像中检测出异常的图像识别AI，特点是采用了深度学习新开发的MSP（Multi-stage semantic segmentation for pathology）法。该法可以利用该AI有效判断是否存在肿瘤，并在图像上确定肿瘤部位。
MSP法是东京大学先端科学技术研究中心原田达也教授（NII客座教授）所在研究室新开发的机器学习方法。MSP法从详细分割的单个图像块中提取特征量，并学习特征量在原始病理图像中的分布，因此能以大幅压缩病理图像的形式，在不丢失图像块在整个图像中的位置信息的情况下进行机器学习。
此次利用基于MSP法的机器学习开发的病理诊断支援AI，即使是针对分布着假阳性图像块的非癌症案例，AI也能准确地判断出整体并非癌症。在癌症和非癌症的判断中，MSP法的诊断结果与病理医生的诊断结果一致率达到94.8％（内部数据集）。
另外，来自10个设施的外部数据集的一致率也达到了94.6％±2.3％（最小90.4％，最大97.4％），优于常规方法。由此证明，MSP法应用于多个设施时不容易受设施差异的影响，是一种可靠的方法。
癌症的确诊必须由病理医生“用显微镜进行病理诊断”，但日本目前病理医生短缺，在拥有专职病理医生的约700家医院中，约300家设施始终存在只有一名专职病理医生的情况。
在这种情况下工作的病理医生很难让其他病理医生用显微镜再次观察并确认自己的诊断结果，即进行“诊断的双重检查”，因此存在癌症漏诊或过度诊断的风险。
此次的成果是日本病理学会2017年启动的AMED委托项目“JP-AID（Japan Pathology AI Diagnostics Project）”与NII同年作为AMED委托项目而设置、开发和运营的，旨在促进医疗大数据应用的云基础设施“医疗大数据研究中心”（RCMB）合作下共同取得的。
双方的目标是，为今后在医疗现场引进病理诊断支援AI，使开发的AI作为软件医疗器械通过药事审批。另外，双方还在开发胃活检以外的病理诊断支援AI。
此外，为将JP-AID项目收集的各种器官病理组织数字图像用于AI开发，双方还在准备公开“日本病理学会数字图像数据库”。
原文：《科学新闻》
翻译编辑：JST客观日本编辑部
【论文信息】
期刊：Cancer Science
论文：Development and multi-institutional validation of an artificial intelligence-based diagnostic system for gastric biopsy
DOI：doi.org/10.1111/cas.15514
