AIと希少疾病 ── 腎・肝・消化器 ── 2026-10-16

対象誌と選び方は索引の頁に

希少な腎・肝・消化器疾患の治療・治験とAI

• DU-KAN：小児 IgA 腎症のデジタル病理における Oxford MEST-C 評価のための、二重領域強化型深層学習フレームワーク
  DU-KAN: A Dual-Domain Enhanced Deep-Learning Framework for Digital Pathology-Based Oxford MEST-C Assessment in Pediatric IgA Nephropathy
  Bioengineering · 2026-10-13 · 証拠の段階: 単施設データによるモデル開発と内部検証（40 例の探索的評価、外部検証なし）
  抄録（全訳）

  小児の免疫グロブリン A 腎症（IgAN）の Oxford MEST-C 評価は、複雑な腎生検組織の構造に対する病理医の解釈に依存している。自動セグメンテーションは標準化された定量化を支援しうるが、スケールの変動、不明瞭な境界、小さな病変が課題となる。自動セグメンテーションは、定量の標準化に役立つ可能性がある。ただし、構造の大きさのばらつき、境界の不明瞭さ、病変の小ささが課題となる。

  著者らは DU-KAN を開発した。段階ごとに調整した U-KAN フレームワークである。エンコーダは、浅い畳み込みと MaxViT の二系統からなる。著者らは、浅い畳み込みと MaxViT の二分岐エンコーダに、適応させた異種特徴の融合と、ウェーブレットとプロトタイプによるスキップ接続の強化を組み合わせた、段階適応型 U-KAN フレームワークの DU-KAN を開発した。データは、単施設の過ヨウ素酸シッフ（PAS）染色画像 532 枚（小児 278 人）で、患者単位で分割した。

  学習に使わなかったテストセット（55 人）で、背景を含む 8 クラスの平均 Dice は 69.58% であった（患者単位ブートストラップによる 95% 信頼区間 66.23〜71.91）。U-KAN との差は 3.56 パーセントポイントであった（95% 信頼区間 1.90〜5.26）。前景の平均 Dice は 65.42% であった。Synapse 腹部 CT ベンチマークでは、8 臓器の平均 Dice が 87.21% であった。この結果は、別のタスクにもモデル構造が汎化することを支持する。ただし、小児 IgAN での外部検証ではない。

  さらに、セグメンテーションの出力を症例単位に集約し、MEST-C に関連する指標を出した。40 例の探索的評価で、評価した 5 指標すべてが一致した症例は 65.00%（26/40）であった。感度は E で 37.50%（3/8）、T で 50.00%（1/2）であった。T の一致率は 97.50% であったが、これは主に陰性例が大半を占めたことによる。陽性例を確実に検出できることを示したものではない。

  DU-KAN は、内部データでのセグメンテーション性能を高め、病理所見を構造的に定量できる。腎病理医が臨床判断をするときの、補助的な参考になりうる。

  掲載誌の IF 相当：5.4（OpenAlex の直近 2 年の平均被引用数・2026-10-15 時点の値、2026-10-16 に取得。正式な IF（Clarivate）ではない）
  書誌：Fu J, Cui H, Zhu Y, Gao T, Zhang P, Gao C. DU-KAN: A Dual-Domain Enhanced Deep-Learning Framework for Digital Pathology-Based Oxford MEST-C Assessment in Pediatric IgA Nephropathy. Bioengineering. 2026 Oct 13;13(10):1191. doi:10.3390/bioengineering13101191.
  確認の範囲：抄録のみ確認

← この号の目次へ