術中脊椎腫瘍評価のためのAI駆動ラベル不要ラマンスペクトロミクス

脊椎手術中に速く得られる答え

脊椎で腫瘍が見つかると、外科医はしばしば数分のうちにどの程度積極的に手術を行うか、次にどの治療を行うべきかを決める必要があります。現在、それらの判断は依然として、最良の場合でも30分、最悪の場合は数日かかる検査に依存しています。本研究は、レーザー顕微鏡法と人工知能を組み合わせて、脊椎腫瘍の微小なサンプルをほぼリアルタイムで解析する新たな手法を提示し、患者がまだ手術台にいる間に外科医がより明確な判断を下せることを目指しています。

迅速な診断が難しい理由

脊椎腫瘍には、くも膜など中枢神経系の被膜から発生する髄膜腫、神経鞘由来の神経鞘腫、脊髄管内を覆う細胞から発生する上衣腫、ほかの臓器から転移してくる転移性腫瘍など、いくつかの一般的な型があります。MRIなどの画像検査は腫瘍の種類を推測する手がかりを与えますが、所見が重なり合うことが多く、一部の患者は安全にMRIを受けられない場合もあります。手術中に腫瘍の表面を観察しても全体像が分からないことが多いのです。現行の標準法は、組織片を病理検査室に急送し、凍結切片にして薄切、化学染色し、専門家が顕微鏡で観察するというものです。この凍結切片法は手間がかかり、勤務時間内にしか利用できず、脊椎腫瘍の一定割合を誤分類してしまうことがあります。

新しいタイプのデジタル顕微鏡

研究者らは、刺激ラマン組織像と呼ばれる新興のイメージング法を基に構築しました。この手法は染色を行う代わりに、新鮮で未処理の組織に対して精密に調整したレーザー光を照射し、試料中の分子がどのように振動するかを記録します。得られた信号は、高解像度の画像に変換され、病理医が使う馴染みのあるピンクと紫の薄切標本に似た外観を示しますが、数分で得られ、切断や染色を必要としません。同じ種類の携行型スキャナーが脳手術で複数の病院ですでに使われていたため、研究チームはヨーロッパと米国の複数拠点から脊椎腫瘍の画像を収集し、実際の手術室に近い条件で新しい解析システムを検証できました。

脊椎腫瘍を「見る」ようにAIを教える

これらレーザー生成画像を基に、著者らはSpineXtractと呼ぶ人工知能プラットフォームを開発しました。単純なパターンマッチングプログラムを訓練するのではなく、まず深層ニューラルネットワークに多様な脳および脊椎の画像を大量に見せ、こうした組織の一般的な視覚的特徴を自己学習させました。その上で、もともと言語処理用に設計されたトランスフォーマーベースの意思決定モジュールを追加し、各小さな画像パッチの中で最も情報量の多い部分に注意を向けることを学ばせています。システムはスライド全体を走査して数百のパッチに分割し、それぞれに4つの主要な脊椎腫瘍タイプのいずれかに属する確率を割り当て、これらを再統合して全体の診断と、外科医や病理医のために最も診断的な領域を色分けしたヒートマップを生成します。

システムの性能

チームはSpineXtractを、3つの主要病院で治療を受けた44人の患者から得た142枚のスライド画像で検証しました。各患者について、AIの回答を従来の検査で数日後に確定した最終診断と比較しました。4つの腫瘍タイプ全体で、システムは約93％のバランス精度で種類を正しく識別しました。これは真陽性と真陰性の双方が高かったことを意味します。特に髄膜腫と神経鞘腫ではほぼ完全に近い性能を示し、外観のばらつきが知られている上衣腫ではやや確信度が下がるものの、依然として明らかに有用でした。重要な点として、結果は3施設間および年齢・性別の各グループで一貫しており、患者の構成や画像取得条件の違いにモデルが対処できていることを示唆します。研究者らがシステムを各患者につき単一画像に限定しても、精度は高く保たれ、組織採取からAI出力までの全処理は通常5分以内に完了しました。

脊椎手術を変えうる理由

汎用の脳腫瘍向けAIで十分かどうかを検証するため、著者らは頭蓋内腫瘍で訓練された既存の分類器も試しました。そのモデルは脊椎症例では性能が著しく低下し、特に上衣腫と転移性腫瘍で顕著でした。これは部位特有のツールの必要性を強調します。SpineXtractはこの既存システムをバランス精度で15ポイント以上上回っただけでなく、較正された信頼度スコアや不確実な症例を示す視覚マップを提供し、追加の組織採取や専門家による精査が必要な場面を示唆します。実務的には、ラベル不要の光学イメージングと慎重に設計されたAIを組み合わせることで、脊椎手術中に迅速かつ正確な洞察を提供し、遅延の短縮、手術判断の改善、ならびに神経系のほかの部位向けツールの基盤構築につながる可能性があることを示しています。

引用: Reinecke, D., Müller, N., Meissner, AK. et al. AI-driven label-free Raman spectromics for intraoperative spinal tumor assessment. npj Digit. Med. 9, 227 (2026). https://doi.org/10.1038/s41746-025-02279-6

キーワード: 脊椎腫瘍, 術中診断, 刺激ラマン組織像, 外科における人工知能, デジタル病理学