AIとがん研究 ── 膵がん ── 2026-10-10
膵がんの治療・治験とAI
- Deep Learning Classification of Pancreatic Cancer Cells Over a Progression of Epithelial to Mesenchymal States by Deformability Cytometry Under Microfluidic Viscoelastic Flows抄録（全訳）
上皮間葉転換（EMT）の途中には、中間状態やハイブリッド状態がある。この段階のがん細胞を分類すると、細胞の不均一性、可塑性、浸潤性が分かる。分類はタンパク質マーカーの免疫蛍光イメージングでできる。しかし処理能力が低く、試料の不均一性にも制約される。EMT では、線維状タンパク質が細胞内で再配置される。その結果、細胞の力学的性質が変わる。そこで著者らは、新しい計測法を作った。マイクロ流体の粘弾性流れの中を細胞が流れ、変形してから元の形に戻る。この一連の領域で、単一細胞を連続して撮像する。変形と回復の連続した領域での単一細胞イメージングを、複数領域を扱う深層学習の枠組みと組み合わせた。こうして EMT の段階を高い処理能力で分類できるようにした。入力には 3 種類のデータを用いた。入力は、形態計測の形状記述子、細胞形状の二値マスク、細胞内のテクスチャを保持した明視野画像である。
EMT が進むと核が大きくなり、細胞は硬くなる。それでも、EMT の誘導が進んだ膵がん細胞ほど、大きく変形し、等方的な形へ速く緩和できる。これは、細胞骨格の周囲でビメンチンが再配置されるためと推測される。
モデルには、畳み込みによる特徴抽出と、注意機構による領域の集約を組み合わせた構造を用いた。このモデルにより、細胞の変形と緩和が中間的な EMT 状態の分類にどう寄与するかを捉えた。分類の手がかりは、細胞全体の幾何学的情報と、細胞骨格の再構築に関連する細胞内テクスチャである。
比較対象は、単一領域のイメージングフローサイトメトリーと、スカラー値の変形能指標である。これらと比べ、本法は中間的な EMT 状態の分類を改善した。本法は、注意機構を用いて、複数の領域で変形と緩和の動態を測る方法である。中間的な EMT 状態は、転移に向けた可塑性が最も高い状態である。
掲載誌の IF 相当：5.6（OpenAlex の直近 2 年の平均被引用数・2026-10-09 時点の値、2026-10-10 に取得。正式な IF（Clarivate）ではない）書誌：Jarmoshti J, Gao H, Zeinali N, Siddique A, Adair SJ, Bauer TW, et al. Deep Learning Classification of Pancreatic Cancer Cells Over a Progression of Epithelial to Mesenchymal States by Deformability Cytometry Under Microfluidic Viscoelastic Flows. Advanced Intelligent Systems. 2026 Oct 7 [Epub ahead of print]. doi:10.1002/aisy.70573.確認の範囲：抄録のみ確認