技術関連

AIによる学習はどのように行われるか？

病理医または細胞検査士によりアノテーション付与（判定ラベル付け）されたデータを学習データセットとして深層学習により解析モデルが作成されます。
学習は弊社にて行われ、解析モデルがアプリケーションとして配布されます。

使用者の診断を反映させ、AIを教えることができるとのことだが、
間違った判断で学習させるとAIは間違った判断をするのでは？

いいえ。基本的には弊社でキュレーションを行い、AIに学習させるデータセットを管理しています。そのため、間違った判断を送り続けても、間違いが即、AIに反映されてしまうことはありません。

なぜ判定に「確率」が出てくるのか？高い確率と低い確率が出る理由は？

画像データが与えられたときに、それを複数の選択肢のうち、どれかに分類するという「分類問題」として解いています。ニューラルネットワークの出力層で使われるソフトマックス関数によりそれぞれの分類に対し、0～1の実数値が出力され、その総和は1です。そのため確率的な表現となり、「確率」が計算されることになります。細胞の特徴がよくわかる画像では確率は高くなり、判定の難しい微妙な形態のものや変性が加わったもの、珍しい形態のものなどは確率が低くなります。

システム構成

簡単にPCにインストールするだけなのか？

サーバおよびNASのセットアップを初回導入時に行います。その後、各ユーザーのPCにCu-Cyto viewerというビューワソフトをインストールします。サーバ接続には初回のみライセンス認証が必要です。

システム連携

病理支援システム（部門システム）との連携は？

連携可能です。部門システム管理者・システム開発メーカーとの要件を相談の上、接続仕様を決定します。具体的には、部門システム側から直接サーバに解析オーダーを送る方式、Cu-Cyto viewerと部門システムを連携させる方式などがあります。

解析精度

解析精度はどれくらいか？

判定タスク（細胞種類数）により異なります。検出感度、正答率の最新情報は別途ご案内します。リンパ節の移転スクリーニングなどの比較的単純なタスクであれば精度90％～95％とご案内しています。

施設間での染色特性が解析精度に影響するか？

いいえ。深層学習による解析が従来の画像解析と大きく異なる点です。深層学習で利用される情報は細かな色合いよりも高次の情報が使われるため、ほとんど影響がありません。
さらに、そもそも学習データセット自体がさまざまな染色状態のデータを含んでいるために、そのような染色のばらつきは予め考慮されており、その意味でも影響はありません。

異なる臓器や染色を混ぜて解析するとどうなるか？

「臓器名」?「染色名」の組み合わせに対応させて解析モデルが選択されています。したがって、適切な解析モデルが指定されていないと誤った判定が行われます。例えばBAL標本に骨髄解析モデルを適用した場合には、AIは無理に「もしこれが骨髄標本だったならば」という条件のもとでBAL標本の判定を行うことになり、正確な判定はできません。

解析時間

解析時間はどれくらいか？

判定タスクにより異なります。スライドグラス全体にリンパ節がある標本でのリンパ節解析の場合、スクリーニングモードでは1分、精査モードで5分くらいです（スタンダード版）。未梢血では細胞100,000個あたり1分ほどです（スタンダード版）。
ただし、これはサーバのハードウェアのスペックに大きく依存します。