光とAIの力で、より正確ながん診断へ
大阪工業大学の安國良平准教授らの研究グループは、奈良先端科学技術大学院大学、近畿大学との共同研究により、病理医でも識別が難しいがん細胞と正常細胞を、より高精度に見分ける新たな原理を発見しました。この画期的な技術は、がん診断の未来を大きく変える可能性を秘めています。
従来の診断の課題と新たなアプローチ
現在、がんの診断には、患者から採取した細胞を顕微鏡で観察する「細胞診」が広く用いられています。病理医（顕微鏡で細胞や組織を観察し、病気の診断を行う専門医）は、細胞の形や核の特徴などを見て診断しますが、中には正常細胞と形がよく似ているため、顕微鏡観察だけでは見分けが難しいがん細胞も存在します。がん化に伴い細胞内部には様々な変化が生じるものの、その多くは顕微鏡では捉えられず、診断に活用することは困難でした。
この課題に対し、研究グループは「光散乱スペクトル」と「機械学習」という二つの技術に着目しました。
細胞内部の「目に見えない情報」を解析
研究グループは、細胞に光を当てた際に生じる「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。光の色のようなものごとの散乱の強さを示す）に、従来の顕微鏡では捉えられない細胞内部の微細な構造情報が含まれることを突き止めました。この光散乱スペクトルには、細胞の形だけでなく、核小体や細胞質内の構造といった、目に見えない細胞内部の変化が反映されます。
このスペクトルを詳細に解析するため、「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、それに基づいて予測や分類を行う技術）を適用。その結果、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高精度に分類できることを発見しました。
悪性中皮腫から複数のがん種へ応用
本研究では、特に診断が難しいとされる「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、アスベストとの関連が知られている。細胞の形が正常細胞と非常に似ているため、病理医でも識別が難しい場合がある）を対象に、この手法の有効性を検証しました。その結果、病理医でも識別が困難ながん細胞と正常細胞を、高い精度で識別できることが実証されました。
さらに、この手法は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います。また、異なる医療機関で作成された細胞診標本でも高い分類性能を示しており、施設の違いに左右されにくい普遍的な技術であることも確認されています。
がん診断の未来を拓く研究
この研究成果は、病理医による細胞診断を支援し、診断精度の向上や診断の効率化につながる新たな診断技術として期待されています。現在は研究段階ですが、今後はより多くの患者から採取した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ることで、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。この技術が実用化されれば、より質の高いがん診断への貢献が期待され、多くの患者さんの早期発見・治療に繋がるでしょう。
本研究成果は、Springer Nature社刊行の学術誌「Scientific Reports」に2026年8月3日に公開されました。
-
論文タイトル: Accurate Tumor Cell Identification via AI analysis of White Light Scattering Spectra in Cytology
関連リンク
