41一 般◎松本 実華1)、小針 奈穂美2)、織田 喜子3)、林 達矢4)、福島 明音5)、渡邉 裕樹6)、柿沼 智史7)、藤村 和夫8)◎齋藤 百花1)、荒瀬翔1)、磯崎誉斗1)、伊藤 綾香1)、勝俣 双葉1)、小関 紀之2)、岡田 茂治3)臨臨床床応応用用をを目目指指ししたた尿尿中中異異型型細細胞胞ののAI（（deep learning））判判定定モモデデルル構構築築のの試試みみた。Recall（再現率：感度相当）：良性細胞0.6470、良悪不明もしくは悪性疑い細胞0.8177、悪性疑い細胞0.3666、Precision（適合率：陽性的中度相良性細胞良悪不明もしくは悪性疑い細胞悪性疑い細胞Precision埼埼玉玉県県ににおおけけるるアアンンケケーートト調調査査～第２報 尿沈渣検査～自自動動分分析析装装置置導導入入施施設設測測定定原原理理一一般般検検査査従従事事者者数数11日日尿尿平平均均検検体体数数鏡鏡険険所所要要時時間間フフロローーササイイトトメメトトリリーー法法染染色色下下ででのの撮撮像像法法無無染染色色下下ででのの撮撮像像法法00～～11人人未未満満11人人以以上上22人人未未満満22人人以以上上33人人未未満満33人人以以上上55人人未未満満55人人以以上上無無回回答答00～～1100件件1111～～2255件件2266～～5500件件5511～～110000件件110011～～220000件件220011件件以以上上11分分以以内内約約22分分約約33分分約約55分分55分分以以上上無無回回答答AI判定良悪不明もしくは悪性疑い細胞良性細胞悪性疑い細胞Recall00.650.8680.7230.4622001188年年((施施設設数数))331122444433001144993344110000115511221122335511009922113318193390.8256330.3722002233年年((施施設設数数))115511114400003355443300000000443388004466331111連絡先：048(648)5359(直通)とし，これらについて解析した．【結果】回答は52施設から得られ，2018年(158施設)の紙面形式のアンケート調査より半数以下の回答数であった．回答が得られた施設の自動分析装置の使用状況と検査の現状を集計し，一部を図に示す．また，再検ロジックとして尿試験紙法による尿蛋白，尿潜血を利用する他に依頼コメントや診療科，分析装置情報利用などの回答が得られた．【考察およびまとめ】回答施設が少なく県内施設の尿沈渣検査の現状をしっかりと把握することは出来なかった．再検ロジックについては多様な組み方ができ，施設によって【はじめに】尿沈渣で発見される尿中異型細胞、すなわち腎尿路系癌は全がんの中での罹患者数（膀胱癌：男性17,498人、女性5,885人、腎尿路癌：男性20,678人、女性9,780人）は男性で5位、女性では8位に多いがんである（2019年国立がんセンターがん統計）。臨床での発見機会が多い尿沈渣検査において尿中異型細胞を判定するアシストツールとしてのAI（deep learning）モデルの開発を試みた。【対象及び方法】AI（deep learning）開発プログラム：ニューラル・ネットワーク・コンソール（NNC：sony株式会社）。学習・検証データ：S染色を実施した尿沈渣画像。解析データは良性細胞246画像、良悪不明もしくは悪性疑い細胞912画像、悪性疑い細胞433画像を使用した。AIモデル：Resnet110に一部コマンドを追加修正し、自動探索機能を利用し、最適なAI構築を試みた。解析装置：CPUはIntel core i7-10750H CPU 2.59 GHz、実装RAMは64MB、GPUはNVIDIA GEFORCE RTX2070superを使用した。【結果】臨床での利用を目的に、悪性疑い細胞と良悪不明もしくは悪性疑い細胞を見落とさないAIモデルの構築を行っ◎松本 実華１）、小針 奈穂美２）、織田 喜子３）、林 達矢４）、福島 明音５）、渡邉 裕樹６）、柿沼 智史７）、藤村 和夫８）自治医科大学附属さいたま医療センター１）、埼玉医科大学病院２）、国家公務員共済組合連合会 虎の門病院３）、地方独立行政法人埼玉県立病院機構 埼玉県自治医科大学附属さいたま医療センター1)、埼玉医科大学病院2)、国家公務員共済組合連合会 虎の門病院3)、地方独立行政法人立循環器・呼吸器病センター４）、防衛医科大学校病院５）、埼玉医科大学 総合医療センター６）、川口市立医療センター７）、埼玉県 済生会川口総合病院８）埼玉県立病院機構 埼玉県立循環器・呼吸器病センター4)、防衛医科大学校病院5)、埼玉医科大学 総合医療センター6)、川口市立医療センター7)、埼玉県 済生会川口総合病院8)【はじめに】埼玉県一般検査研究班では，県内施設での尿沈渣検査の現状を把握するため，5年ごとにアンケート調査を実施している．令和5年度に行った結果について報告する．【対象と方法】2023年埼玉県医師会臨床検査精度管理事業への参加施設にWEBアンケートへの協力を求めた．内容は，2013年および2018年に実施したアンケート調査の内容に追加し，自動分析装置の運用や検査状況に関する設問◎齋藤 百花１）、荒瀬翔１）、磯崎誉斗１）、伊藤 綾香１）、勝俣 双葉１）、小関 紀之２）、岡田 茂治３）埼玉県立大学 健康開発学科 検査技術科学専攻1)、獨協医科大学埼玉医療センター2)、埼玉県立大学3)埼玉県立大学 健康開発学科 検査技術科学専攻１）、獨協医科大学埼玉医療センター２）、埼玉県立大学３）～第２報 尿沈渣検査～異なっていた．埼玉県一般検査研究班では日常業務で生かせるような研修会や実技講習会を企画していきたい．今後の課題を把握するためにもWEBアンケートへの協力をお願いしたい．当）：良性細胞0.7415、良悪不明もしくは悪性疑い細胞0.7228、悪性疑い細胞0.4583、Accuracy（正答率）は0.6870であった。本AIモデルで見落としとなったのは、5画像で0.37％（5/1,345）であった。【考察および結語】悪性疑い細胞と良悪不明もしくは悪性疑い細胞を見落とさないAIモデルの構築を行った。尿中細胞は剥離細胞のため細胞変性により悪性細胞と鑑別が困難なケースがある。鑑別が必要な細胞も含めAIモデルをアシストツールとして活用していくことで膀胱癌、腎尿路癌の検出に寄与できるものと考える。今後、追加症例を含め判別精度の向上を目指したい。 連絡先048-973-4797101EntryNo. 101埼玉県におけるアンケート調査臨床応用を目指した尿中異型細胞のAI（deep learning）判定モデル構築の試み一般EntryNo. 24一般般-6（10：20～10：30）般-7（10：30～10：40）
元のページ ../index.html#103