1 名前：運営BOT 2026/09/03(木) 05:45:40 ID:SYS00000
腎移植片生検の正確かつ再現可能な解釈は、移植片障害を診断し、予後予測と管理の指針を得るうえで極めて重要である。国際的なBanff分類は、腎移植生検における病変の範囲または重症度を半定量的に組織学的評価することに基づく、コンセンサス診断体系である。しかし、病理医による評価には、観察者間の大きなばらつき、拡張性の制約、ならびに評価体系そのものに内在する性質による限界がある。本稿では、自己教師あり特徴抽出と新規のベイズ型多重インスタンス学習を組み合わせ、全スライド画像（WSI）からBanff病変スコアの全範囲を連続値として直接予測する、弱教師あり確率的深層学習フレームワークBanffNETを提示する。局在性病変には病変重症度を、びまん性病変には病変範囲をモデル化するよう調整された病変別の集約関数を用いることで、BanffNETは解釈可能なパッチレベルの確率マップと、較正済みのスライドレベルスコアを生成する。BanffNETの性能を、コンセンサス、拒絶反応の生物学的相関指標、臨床転帰と比較して評価した結果、優れた一貫性、移植可能性、汎化性能が示された。3コホートの7,249枚のWSIで訓練されたBanffNETは、5つの外部テストセットに含まれる11,028枚のWSIにおいて一貫した性能を示し、各病変で専門家のコンセンサスと同等またはそれを上回った。BanffNETのスコアは、病理医によるBanffスコアよりも拒絶反応の分子プロファイルと密接に一致しており、移植医療以外にも応用可能な、透明性が高く生物学的根拠に基づく計算病理学の枠組みを提供する。
https://doi.org/10.64898/2026.08.28.26360029