正常および血液悪性腫瘍検体における骨髄細胞定量システムBMIA-12の包括的性能評価

骨髄細胞の計数が重要な理由

白血病や多発性骨髄腫などの血液がんを診断する際、医師は骨髄塗抹標本を顕微鏡で詳しく観察し、何千もの細胞を手作業で数えます。この遅く手間のかかる作業は、診断、治療、予後に関わる重大な意思決定に影響します。本論文は、この計数作業の大部分を自動化することを目的に開発された新しい人工知能システムBMIA‑12Aを紹介し、その性能を厳密に評価しています。自動化により、結果がより迅速で一貫性があり、スライドを読む個々の専門家に依存しにくくなる可能性があります。

顕微鏡のための新しいデジタル補助

BMIA‑12Aは骨髄塗抹のデジタル画像を取り込み、ディープラーニングアルゴリズムを用いて細胞を16の主要なタイプに認識・分類します。これには、白血病の定義に関わる初期の“芽球”や、多発性骨髄腫で中心的役割を果たす形質細胞が含まれます。本研究では、正常検体、形質細胞障害、いくつかの急性白血病を含む149人から得られた298枚の骨髄塗抹を解析しました。各塗抹について、完全自動のAIカウント、専門家がレビュー・修正したAIカウント、従来の光学顕微鏡による手動カウントの3つの方法を比較しました。また、ウェッジ（引き伸ばし）とスクワッシュ（圧迫）という2つの一般的なスライド作製法がAI性能に与える影響も調べました。

正常細胞の認識精度はどれほどか

悪性腫瘍のない骨髄では、AIは印象的な性能を示しました。ウェッジおよびスクワッシュ両方の標本で、約3万8千個の細胞のうち約95%を正しく分類し、16種類のうち14種類は再現率が90%以上でした。試料をガラス上に滑らかに伸ばすウェッジ標本は、形質細胞、芽球、稀な好塩基球など主要な診断細胞に対する適合率がわずかに高く出ました。AIの誤分類の多くは、見た目が非常に似ている細胞タイプ間、例えば白血球成熟の隣接段階や反応性リンパ球と芽球のような類似するもの同士で生じていました。サンプル全体で各細胞タイプの出現頻度を比較すると、AIと専門家がレビューした結果は概ね一致した一方で、従来の手動カウントは明らかにばらつきが大きく、人による主観性や限定的なサンプリングが反映されていました。

骨髄腫や白血病ではどうなるか

疾患状態でのシステムの性能はより混合的でした。形質細胞障害では、AIは形質細胞を高い適合率で同定しましたが、約4分の1を見落としており、特に骨髄が異常な形質細胞で充満する多発性骨髄腫では顕著でした。訓練データの教科書的な形と異なる形質細胞が多いため、AIは形質細胞比率を手動および専門家修正カウントに比べて過小評価する傾向があり、腫瘍負荷が高い場合にその差が大きくなりました。急性白血病でも似た傾向が見られ、全体としては芽球の検出はかなり良好で、特にウェッジ標本で顕著でしたが、非典型的な芽球を単球や初期骨髄系列細胞のような類似カテゴリに割り当ててしまうことがありました。手動カウントは自動化あるいは専門家がレビューしたデジタル結果よりも一貫して高い芽球比率を示し、最も大きな差は芽球形態が特に異なるNPM1変異を伴うAMLやBCR::ABL1融合を持つB細胞ALLなど、特定の遺伝学的亜型で見られました。

スライド作製法と遺伝学が重要な理由

本研究は、塗抹の作り方と疾患の基礎にある遺伝学の両方がAIの性能に影響を与えることを示しました。スライド間でマイルドに圧迫するスクワッシュ標本は核の細かな構造を歪めやすく、隣接する成熟段階間や芽球と他の若い細胞との混同を増やしました。ウェッジ標本は構造をよりよく保持し、再現率と適合率が高く出たため、著者らはAI支援解析の標準フォーマットとしてウェッジを推奨しています。生物学的側面では、特定の遺伝学的亜型の芽球はしばしば特徴的で、時に歪んだ核形態や他の非典型的特徴を示します。現在のAIシステムは通常、主に正常細胞を用いて訓練されているため、こうした腫瘍変異は「最も近い」正常カテゴリに押し込まれ、正確な閾値が特に重要な患者で病変負荷を系統的に過小評価する結果になり得ます。

これが現在の臨床検査室をどう変えるか

総じて、BMIA‑12Aは正常骨髄検体や日常的な鑑別計数に対する強力なスクリーニングおよびトリアージツールとして既に十分に信頼できることが示唆されます。1枚のスライドで数万個の細胞を迅速に解析でき、専門家のレビューと良く一致する安定した再現性のある結果を提供します。しかし、白血病や形質細胞腫瘍での手動カウントとの明確かつ時に大きな差異は、特に診断の閾値付近や遺伝学的に定義された高リスク亜型においては最終的な解釈に人間の専門家が不可欠であることを示しています。著者らは、こうしたAIツールを導入する研究室は自らのスライド作製法で慎重に検証を行い、AIが専門家の判断を置き換えるのではなく、専門家が精緻化するための客観的な基盤を提供するワークフローを構築する必要があると主張しています。

引用: Kim, H.N., Lee, J.H., Jung, Y. et al. Comprehensive performance assessment of the BMIA-12 a system for bone marrow cell quantification in normal and hematological malignancy samples. Sci Rep 16, 8798 (2026). https://doi.org/10.1038/s41598-026-39443-1

キーワード: 造血学における人工知能, 骨髄細胞学, 白血病の診断, 多発性骨髄腫, デジタル顕微鏡検査