無標識顕微鏡法と仮想染色を組み合わせることで、蛍光顕微鏡法のコストと実験上の負担を軽減できる可能性があるが、その効果は汎化可能な推論を条件とする。仮想染色に関する研究の大半は、自然画像向けに開発された画像品質評価（IQA）指標を用いて性能を評価しているが、これらの指標が顕微鏡画像にどの程度適用可能であるかは依然として不明である。本研究では、制御された画像劣化と現実的な分布外仮想染色の条件下で、一般的に使用される7種の完全参照型学習目的関数および評価指標、すなわちMAE、PSNR、SSIM、前景PSNRおよびSSIM、LPIPS、DISTSの挙動を検討した。18種の細胞株、播種密度、蛍光チャネルにわたるCell Painting画像に、強度、テクスチャ、形態の段階的変換を適用した。劣化の大きさを統制した後も、チャネル、細胞株の同一性、播種密度によって指標値の変動の相当部分が説明された。DISTSと前景指標は、劣化に対する感度と生物学的変動に対する不変性との間でより良好な均衡を示したが、生物学的文脈から独立した性能を示す指標は存在しなかった。画像を段階的に劣化させ、それに伴う指標値の低下を評価した結果、ほとんどの指標は公称数値範囲のごく一部しか使用せず、画像の劣化が視覚的に進行しているにもかかわらず、しばしば値が頭打ちになることも明らかになった。次に、一般的な3種の仮想染色モデルアーキテクチャ（UNet、WGAN-GP、UNeXt）を5段階のU2-OS播種密度ごとに個別に学習させ、未観測の17種の細胞株に対するモデル予測の指標値を算出した。その結果、アーキテクチャと学習時のU2-OS播種密度を合わせても、指標値の変動の2％未満しか説明しないことが判明した。目視による検査から、細胞株間で同程度のスコアであっても、細胞形態やマーカー強度の差異など、質的に異なる誤差に対応していることが示唆された。これらの知見は、従来のIQA指標が仮想染色の用途に有効に適用できないことを示している。無標識ハイコンテント薬剤スクリーニングなどの実際の応用に向けた仮想染色モデルの選択または最適化は、代わりに応用指向の方法で取り組むべきである。
https://doi.org/10.64898/2026.08.31.748410