デジタル病理とAI：がん診断の精度を高める
病理診断のデジタル化
Whole Slide Imaging（WSI）技術の進歩により、病理標本のデジタル化が急速に進んでいます。一つのWSIは数万×数万ピクセルの超高解像度画像であり、この膨大なデータの解析にAIが威力を発揮します。
2026年現在、FDA承認済みのデジタル病理AIは20製品を超えています。
AIが病理に貢献する3つのレベル
レベル1: 効率化（最も普及）
- がん領域の自動検出: WSI全体をスキャンし、がんの可能性が高い領域をハイライト
- 核分裂像のカウント: 悪性度判定に必要な核分裂像を自動計数
- IHCスコアリング: HER2、Ki-67、PD-L1の染色スコアの自動判定
- Gleasonグレーディング: 前立腺がんのパターン自動分類
レベル2: 品質向上（急成長中）
- リンパ節転移のスクリーニング: 微小転移の検出（CAMELYONチャレンジで人間を上回る精度）
- 二重読影の代替: 病理医の読影後にAIがダブルチェック
- 稀な所見のフラグ: 悪性リンパ腫のサブタイプ分類など高度な判断を支援
レベル3: 新たな知見の発見（研究段階）
HE染色標本から追加検査なしで情報を予測する試みです。
- MSI予測: HE染色からマイクロサテライト不安定性を予測
- 遺伝子変異の推定: 組織形態からBRAF、KRAS、EGFR変異を推定
- 予後予測: 組織学的特徴から生存期間を予測
代表的な製品
| 製品 | 用途 | 承認状況 |
|---|---|---|
| Paige Prostate | 前立腺がん検出 | FDA承認 |
| PathAI | 多がん種の診断支援 | CE-IVD |
| Google LYNA | リンパ節転移検出 | 研究段階 |
| Ibex Galen | 多がん種グレーディング | CE-IVD |
導入の課題
インフラ
WSIは1スライドで1〜3GB。大量のストレージと高速ネットワークが必要で、日本の多くの病院ではインフラ整備が追いついていません。
ワークフロー変更
ガラススライドからデジタルへの移行は病理医のワークフローを根本的に変えます。段階的な導入と教育が重要です。
バリデーション
海外データで学習されたモデルが、日本の症例（染色条件、スキャナ機種、患者の人種的特徴）で同等の性能を発揮するかは検証が必要です。
病理医とAIの協働
- AIがスクリーニング → 病理医が確認: 大量のスライドからAIが絞り込み
- 定量評価はAI → 定性評価は病理医: Ki-67カウントはAI、全体像の解釈は病理医
- 教育ツール: アノテーション付きWSIを研修医教育に活用
最終的な診断の責任は病理医にあるという原則は、AI時代においても変わりません。