■本研究の背景
本研究は、これまで弊社で研究開発してきた病理組織におけるAI開発に加え、子宮頸部腫瘍性病変のスクリーニングを目的とした液状化細胞診（ThinPrep）における深層学習による病理AI開発です。
わが国の女性におけるがんの中で、子宮頸がんは比較的多く、20歳代から40歳代の女性で近年増加傾向が認められます。子宮頸がん検診の重要性は広く周知されており、細胞診は子宮頸がん検診の現場で推奨されている検査方法です。
近年の子宮頸がん検診では、不適切標本の回避や、子宮頸がん発症に深く関与するヒトパピローマウイルス（HPV）検査の重要性などを背景として、液状化細胞診（Liquid-based cytology: LBC）が急速に普及してきています。
以上の臨床的背景から、本研究の目的は、子宮頸部液状化細胞診（ThinPrep）デジタル標本において、がんを含む上皮性腫瘍を疑う病変の存在をスクリーニングすることが可能な人工知能を、深層学習を用いて開発することにあります。

■本研究の内容
本研究では、国内の施設から提供を受けたThinPrep法により作製された子宮頸部液状化細胞診標本をデジタル化し、病理医および細胞検査士によるアノテーションデータを含む教師データを、畳み込みニューラルネットワーク（CNN）および回帰型ニューラルネットワーク（RNN）を併用して深層学習させることで、子宮頸部の上皮性腫瘍を疑う病変の存在を細胞レベル並びにバーチャルスライド（whole-slide image）レベルでスクリーニング可能な人工知能を開発しました。また、開発した人工知能は、教師データとは異なる検証データを用いて、精度の検証を行いました。

■本研究の成果
開発した人工知能モデルを検証したところ、子宮頸部上皮性腫瘍においてROC-AUCが0.960という極めて高い精度の結果が得られました。また、ヒートマップにより表示された人工知能が識別した上皮性腫瘍を疑う細胞については、複数の病理医および細胞検査士による検証の結果、妥当であることが確認されました。