AIが解く世界の難問 · 医学・創薬 · Nature (computational biology) · 2026-10-21
自己構成型深層学習パイプラインによるラット骨延長術の組織学領域の自動セグメンテーション
原題: Automatic segmentation of histological zones in rat distraction osteogenesis using a self-configuring deep learning pipeline
骨延長術で再生組織の成熟度を評価するには組織学的評価が不可欠だが、手作業による領域の描画は手間がかかり観察者間のばらつきも生じる。本研究はラット骨延長モデルの線維性間帯、微小柱形成帯、リモデリング帯の3領域を自動セグメンテーションする深層学習ワークフローを評価し、テストセットでは線維性間帯の分割が最も信頼でき(Dice 0.76/0.75)、出現が多様で後期のリモデリング帯が最も困難だった(Dice 0.29/0.44)。定量指標に定性評価を併せた総合判断ではペンタクロームのマルチクラス構成が最も整合的な結果を示し、3D Slicerへの実装により推論・可視化・面積定量が可能な実用的ワークフローとして関連する組織学タスクにも応用できる。