近年、CTやMRI等を用いた医療画像領域を中心にAI深層学習技術を用いた放射線医の読影を支援したり、内視鏡検査による消化管病変の発見・診断時において内視鏡医をサポートするAI技術には目覚しい発展がある。

血液疾患の診断においては、血球数算定検査や顕微鏡による血液細胞形態検査、細胞表面抗原検査、さらに遺伝子検査など、複数の検査情報に基づいた総合的な判断が必要であり、熟練した検査技師や医師が不足しているため、これら血液疾患医療現場において、AI深層学習技術を用いた血液疾患の診断支援のニーズが高まっており、特に、血液がんのフィラデルフィア染色体陰性骨髄増殖性腫瘍は血液細胞形態での判別が難しく病型分類が困難である。

今回、血液細胞形態のAI自動分析と血液基本検査である血球数算定の測定結果を組合せた「統合型AI分析システム」による早期スクリーニング検査・診断支援システムの構築についての報告がなされた。

血液疾患、感染症や健常人を含む3,261症例の末梢血液標本から収集した計695,030個の大規模な血液細胞のデジタル画像データベースを用いて、深層学習技術によるAI画像解析システムの構築を行った。

次に、基本的検査である血球数算定情報(150項目)を組み込むことで「統合型AI分析システム」の構築を行った。

さらに、このシステムを用いて骨髄増殖性腫瘍の病型である真性多血症、本態性血小板血症、骨髄線維症に対する血液検査情報の網羅的な分析を行った。

まず、AI深層学習を用いて血液細胞の形態異常などの画像特徴量(17種類の細胞分類、97種類の形態異常)の抽出された特徴量に血球数算定の値を統合し、統計的計算により病型鑑別に最も効果的と判定された174の特徴量を選出し、これらの特徴量を用いてAI技術の1つである勾配ブースティング法による解析を実施した。

これによい、骨髄増殖性腫瘍の病型鑑別に対して鑑別診断能を検証した結果(真性多血症：34症例学習/9症例検証、本態性血小板血症：167症例学習/53症例検証、骨髄線維症69症例学習/12症例検証)、極めて高精度な診断能力（真性多血症：感度100.0%・特異度95.4%、本態性血小板血症：感度90.6%・特異度95.2%、骨髄線維症：感度100.0%・特異度90.3%）を有することが実証された。

今後、血液がんである骨髄増殖性腫瘍の早期スクリーニング検査・診断支援に有用である統合型AI分析システムを用い、汎用性のあるAI自動分析システムが構築され、骨髄中の細胞の自動識別および確定診断可能なAIシステムの構築が期待される。

本研究結果は、英国科学雑誌「Scientific Reports」のオンライン版に公開された。