人工知能がデジタル化した骨髄生検画像から血小板増多症を伴う前線維化性原発性骨髄線維症と本態性血小板増多症を識別する

血液疾患の患者にとってなぜ重要か

臨床では、長期的なリスクが大きく異なるにもかかわらず外見が似ている二つの血液疾患を見分けるのが難しいことがよくあります。本研究は、人工知能がコンピュータ画面上の骨髄画像を読み取り、これらの疾患をより正確に区別できることを示しており、人間が見落としがちな微妙な組織特徴を指摘することさえあります。患者にとっては、より正確な診断、明確なリスク情報、より適切に個別化された治療につながる可能性があります。

似ているが将来は大きく異なる二つの疾患

本態性血小板増多症と前線維化性原発性骨髄線維症はいずれも稀な骨髄疾患で、血液凝固に関わる血小板が過剰になる病気です。顕微鏡下の骨髄標本は非常に似た見た目になることがあり、専門の病理医でさえ診断が一致しないことがあります。この区別は重要で、前線維化性の患者は骨髄の重度の線維化、白血病、生命を脅かす合併症を発症する可能性が本態性血小板増多症の患者より高くなります。現行のガイドラインは細胞形態や微細な線維化を専門家が目視で評価することに依存しており、主観的で時間を要するプロセスです。

コンピュータに骨髄スライドの読み取りを教える

研究チームは、標準的に染色された骨髄生検画像から直接動作する二段階の人工知能システムを構築しました。まず、数万枚のがんスライドで事前学習された強力なモデルを用いて、生検の小領域ごとに詳細な視覚パターンを抽出しました。次に、アルゴリズムがどの領域がどちらの診断を強く支持するかに応じて重み付けを行える「アテンション」手法を適用しました。慎重に確定診断された200名のイタリア人患者で学習し、米国のがんセンターの独立したグループで検証したところ、このシステムは高い精度で二つの疾患を区別しました。検証群では、前線維化性原発性骨髄線維症と本態性血小板増多症を9割以上の患者で正しく区別し、特に高リスク疾患を誤ってラベル付けする誤判定を避ける能力が高かったことが示されました。

AIが何を見ているかを合成画像で検証する

モデルが頼りにしている視覚的手がかりを理解するため、研究チームは各疾患に典型的な骨髄パッチを現実的に生成できる合成要素を追加しました。分類器が確信を持って扱った実画像と生成画像のタイルを選び、盲検で作業する三人の血液病理専門医にラベル付けを依頼しました。実画像については、専門医は回答を出す意思がある場合に限り、多くの場合AIの診断と一致しました。しかし、多くの合成画像、特に本態性血小板増多症を模したものでは、病理医はアルゴリズムと意見が一致しなかったり、安全に診断を選べないと感じることが多く、それでもAIは既知の患者データに照らしてこれらのタイルを正しく分類していました。

骨髄内の脂肪と細胞の割合が果たす意外な役割

人間と機械の差は、実画像と生成画像の両方における組織構成を詳しく調べるきっかけとなりました。別の画像解析ツールを用いて、各タイルが脂肪腔と造血細胞でどの程度占められているかを測定しました。その結果、本態性血小板増多症に関連する標本は脂肪が多く、前線維化性原発性骨髄線維症に関連する標本は細胞がより密に詰まっていることが一貫して示されました。このパターンは実患者の画像と合成画像の両方で見られ、特に合成された本態性血小板増多症スライドではその差が顕著でした。モデルの「アテンション」のヒートマップも、アルゴリズムが骨やアーティファクトではなく活動的な造血領域に自然に注目していることを示しており、近道ではなく生物学的に意味のある手がかりを学習していることが示唆されます。

診断と治療にとっての意義

実用面では、本研究は慎重に訓練されたAIシステムが標準的な顕微鏡スライドを用いてこれら二つの類似骨髄疾患を病理医の支援なしに、または支援して区別する助けになり得ること、そして現行のチェックリストに含まれていない脂肪と細胞のバランスといった有用な組織特徴を明らかにできることを示唆しています。著者らは、対象患者数がまだ限られていることを踏まえ、このツールが専門家の査読に取って代わる意図はないと強調しています。むしろ、症例数の少ない施設でのセカンドリーダーとして機能したり、より攻撃的な前線維化性疾患を除外することで臨床試験への組み入れを洗練したりするのに役立つ可能性があります。時間が経つにつれて、こうした画像ベースのAIを臨床情報や遺伝学的データと組み合わせることで、これら希少な血液疾患に苦しむ人々に対し、より確信をもった個別化医療を支援することが期待されます。

引用: Srisuwananukorn, A., Loscocco, G.G., Dolezal, J.M. et al. Artificial intelligence differentiates prefibrotic primary myelofibrosis with thrombocytosis from essential thrombocythemia using digitized bone marrow biopsy images. Leukemia 40, 1018–1026 (2026). https://doi.org/10.1038/s41375-026-02893-7

キーワード: 人工知能, 骨髄生検, 骨髄増殖性腫瘍, 本態性血小板増多症, 前線維化性原発性骨髄線維症