人工知能ベースのワークフローで構築する皮膚病理学百科事典 DermpathNet

新しい皮膚画像ライブラリが重要な理由

皮膚がんやその他の増殖性病変は、顕微鏡下で薄切片を観察して診断されることが多く、これが皮膚病理学という分野です。しかし、医師の教育や人工知能（AI）ツールの評価に使われる画像は、多くの場合、料金所やプライバシー規則の背後にあり、自由に利用できません。本稿は DermpathNet を紹介します。これは AI を活用して構築された、数千枚の皮膚生検画像を厳密にレビューした無償のコレクションです。臨床医や研究者が世界中で学習、診断の照合、新しいコンピュータツールの開発をより容易かつ信頼性高く行えるよう設計されています。

教科用スライドが隠されている問題

多くの医療研修生は、ガラススライドや単一病院が管理するデジタルファイルから学びます。これらの資料には患者識別情報が含まれていたり、共有を妨げるライセンス条件が付いていたりします。既存のオンライン資源は、有料購読が必要だったり、例示症例がごく少数だったり、専門家による一貫した査読がない場合があります。その結果、学生や臨床医は、一般的な腫瘍からまれな腫瘍までを含む幅広く信頼できる公開の顕微鏡画像コレクションを持てません。こうした資源がなければ、症例を比較したり教育を標準化したり、コンピュータビジョンシステムの性能を公平に評価することは困難です。

膨大な論文の中から良質な画像を見つける

著者らは PubMed Central のオープンアクセスコレクションに目を向けました。これは全文が再利用可能な膨大な生物医学論文ライブラリです。まず、専門家の意見や標準化された医療語彙に基づいて、良性・悪性の皮膚腫瘍12群とほぼ200の具体的診断名からなる体系的なリスト（レキシコン）を作成しました。このレキシコンを用いて、これらの疾患がタイトルや要旨に現れる論文を検索し、全文をダウンロードして全ての図と図キャプションを抽出しました。この初回抽出では、43,000本超の論文から20万点以上の図が得られましたが、そのほとんどは皮膚の顕微鏡画像ではありませんでした。

AI とキーワードの協調動作

有用な画像を無関係な画像から選別するため、研究チームはハイブリッドなフィルタリングシステムを構築しました。一方は別の医療画像コレクションで学習した深層学習モデルで、与えられた画像が病理スライドの外観かどうかを判定します。もう一方は、倍率や染色名といった顕微鏡画像に伴いやすいフレーズを図キャプションから検出するキーワードスキャンです。頻度の高い診断では、両方のテストを通過した画像のみを残して純度を高め、まれな診断では希少な例を見落とさないようにいずれかのテストを通過した画像を許容しました。このハイブリッド法を651枚の手動ラベル付け画像による人間の“ゴールドスタンダード”と比較すると、Fスコアが90%を超え、AI単独やキーワード単独よりも優れた性能を示しました。

DermpathNet の内容と利用法

処理の結果、ワークフローは166の皮膚腫瘍診断をカバーする7,772枚の画像を生成しました。すべての画像は皮膚病理学の認定専門医によりレビューされ、それぞれが出典論文、疾患タイプ、標準化された医療コードなどの豊富なメタデータに紐付けられています。データセットは、疾患カテゴリ、特定診断、原著論文ごとに探索でき、ライセンス情報を追跡できるよう整理されています。教育用途に加え、著者らは DermpathNet を用いて最新のビジョン–言語モデルである GPT‑4v の限界を検証しました。これらの難易度の高い画像で真偽判定、自由記述、選択式などの形式で特定の皮膚腫瘍を識別させたところ、モデルの成績は低く、選択肢が与えられても正しい診断を認識できないことが多い結果となりました。

医師と機械にとっての意義

非専門家にとって、DermpathNet は高品質で公開された皮膚腫瘍の顕微鏡アトラスと考えられます。スマートな選別システムにより、専門家は手作業で大量に閲覧する代わりに最終チェックに集中できます。本資源は、施設間の教育や比較の障壁を下げ、視覚的に極めて困難なタスクの存在を明らかにします。最先端の AI ですらこれらの画像では苦戦したため、著者らは、AI はこうした資源の構築を助けうるものの、現時点の汎用モデルは皮膚病理学における専門家の判断に取って代わるには至っていないと結論付けています。代わりに DermpathNet は、教育や次世代の専用医療用 AI ツールの構築のための堅固な基盤を提供します。

引用: Xu, Z., Lin, M., Zhou, Y. et al. Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow. Sci Data 13, 368 (2026). https://doi.org/10.1038/s41597-026-06715-4

キーワード: 皮膚病理学, 医療画像データセット, 人工知能, 皮膚がん, デジタル病理学