AIと光の力でがん診断に革新！見分けにくい細胞も高精度に分類する新原理を発見

がんの早期発見や診断に欠かせない細胞診断。しかし、専門医である病理医でさえ、顕微鏡で見ただけではがん細胞と正常細胞の見分けがつきにくいケースがあるのが現状です。この課題に対し、近畿大学、奈良先端科学技術大学院大学、大阪工業大学の研究グループが、画期的な新原理を発見しました。

顕微鏡観察の限界と新たなアプローチ

細胞診は、患者さんの体への負担が少ない検査として、がんの早期発見に広く利用されています。病理医は、顕微鏡で細胞の形や核の特徴を細かく観察し、がんの有無や種類を判断します。しかし、がん化しても形が正常細胞とそっくりな場合があり、熟練した病理医でも判断が難しいことがあります。

がん細胞の内部では、顕微鏡では見えない微細な変化が多数起こっています。研究グループは、この目に見えない細胞内部の情報に注目しました。細胞に光を当てた際に生じる「光散乱スペクトル」という現象に、その情報が隠されていると考えたのです。

光散乱スペクトルと機械学習が拓く新境地

「光散乱スペクトル」（注1）とは、細胞に光を当てたときに様々な方向に散らばる光（散乱光）を、波長（光の色）ごとにどれくらいの強さで散らばっているかを記録したものです。このスペクトルには、顕微鏡では捉えられない細胞内部の微細な構造の違いが反映されています。

研究グループは、この光散乱スペクトルを測定し、さらに「機械学習」（注2）というAI技術を用いて解析することで、顕微鏡観察だけでは識別が難しいがん細胞と正常細胞を非常に高い精度で分類できることを発見しました。

新技術の仕組み

細胞の白色光散乱測定: 細胞診標本に白色光を照射し、細胞から散乱した光を検出します。
光散乱スペクトルの取得: 検出した散乱光を分光し、細胞ごとの光散乱スペクトルを取得します。
機械学習による分類: 取得したスペクトルの特徴を機械学習モデルが学習し、細胞の種類（正常細胞またはがん細胞）を高精度に分類します。

この手法は、これまでに類を見ないもので、すでに特許も取得されています。

多様ながん種への応用可能性

この研究では、病理医でも識別が特に難しいとされる「悪性中皮腫」（注3）を対象に、その有効性を実証しました。その結果、がん細胞と正常細胞を高い精度で識別できることが確認されています。さらに、異なる医療機関で作成された細胞診標本でも同様に高い分類性能を示し、この手法が施設の違いに左右されにくいことも明らかになりました。

悪性中皮腫だけでなく、肺腺がん、小細胞肺がん、胃腺がん、尿路上皮がんなど、多種多様ながん細胞にも適用できる可能性が示されており、幅広い細胞診断への応用が期待されます。

がん診断の未来を拓く研究

この技術はまだ研究段階ですが、今後、より多くの患者さんの細胞を用いて有効性を検証し、機械学習手法のさらなる高度化を目指すとのことです。将来的には、顕微鏡システムとの統合や測定・解析の自動化を進め、実際の医療現場で利用しやすい細胞診断支援システムの実現を目指しています。

もしこの研究成果が実用化されれば、病理医の診断を力強く支援し、細胞診断の精度向上と効率化を通じて、より質の高いがん診断に大きく貢献するでしょう。私たち一人ひとりの健康を守るための、大きな一歩となるかもしれません。

用語解説

注1　光散乱スペクトル: 細胞に光を当てた際に散乱した光を、波長ごとの強さとして記録したものです。細胞内部の微細構造の違いが反映されており、顕微鏡観察では得られない情報が含まれています。
注2　機械学習: コンピューターが大量のデータからパターンやルールを自動的に学習し、予測や分類を行う技術です。
注3　悪性中皮腫: 胸膜や腹膜などの中皮に発生する悪性腫瘍で、アスベスト（石綿）への曝露との関連が知られています。細胞診では、反応性中皮細胞と形態がよく似ているため、病理医でも識別が難しい場合があります。

掲載論文

タイトル: Accurate Tumor Cell Identification via AI analysis of White Light Scattering Spectra in Cytology
著者: Yuka Tsuri, Fuka Takeuchi, Hayata Tsutsui, Wataru Nakata, Risa Onishi, Tomoko Wakasa, Junko Nakamura, Seiichi Hirota, Mikiya Fujii, Ryohei Yasukuni, Akihiko Ito, Yoichiroh Hosokawa
掲載誌: Scientific Reports
DOI: 10.1038/s41598-026-64056-z