（９）各柱にまたがる「横断的事項」について
⑤「AI等新たな科学技術」について
がん病理組織情報の構造化によるがん精密医療の均てん化
東京大学 石川 俊平
近年画像認識の分野で優れた性能を発揮している深層学習技術を用いて、病理組織画像の特徴を捉える数値化技術の開発
を行った。がんは、単一の細胞を起源に持ち、同じ性質を持つ細胞が増殖する疾患であるため、がんの病理組織画像は明
確な「かたち」を持つ犬や猫などの一般的な画像とは異なり、模様（テクスチャ）のようなものと考えられる。そこで、
絵画の画像から描かれている「対象物」と「画風」とを分離するのに用いられる「バイリニア畳み込みニューラルネット
ワーク」という特殊な深層ニューラルネットワークを用いて病理組織画像をディープテクスチャ（図1）と呼ばれる1024次
元の数値ベクトルに変換したところ、がんの組織学的特徴が極めてよく表現されることを見いだした。使用するニューラ
ルネットワークの構造やパラメータによってその性能が異なるため、数値と病理医の評価を比較して検証を行った結果、
病理組織像の評価に最適なネットワークと層の組み合わせを見出した。
がん病理組織画像の特徴を数値化する人工知能技術の開発（令和4年3月2日AMED共同プレスリリース）
https://www.amed.go.jp/news/release_20220302-01.html 革新がん事業（領域1）（R3～R5）

図1 ディープテクスチャによるがん病理組織画像の数値化
深層ニューラルネットワークを用いて組織画像からディープテクス
チャと呼ばれる情報を抽出したところ、がんの病理組織像の特徴を表
現するのに適していることを見いだした。それは例えれば、絵画にお
ける「画風」に相当する情報である。この技術を用いることで、病理
組織像の特徴が定量的データとして扱えるようになり、組織学的特徴
に基づくがんの再分類や、過去の症例からの類似画像の検索、一部の
がんの遺伝子変異の予測を含む様々なアプリケーションに応用可能に
なり、がん研究や医療が促進されることが期待される。

33