AI駆動型 前臨床MASH研究： Liver AI

TNOのAI病理診断技術は、肝臓組織サンプルを、客観的かつ再現性のあるMASH（代謝機能障害関連脂肪性肝炎）および線維化の評価データへと変換します。 病理医と同様の基準で脂肪沈着、炎症、線維化をスコアリングしつつ、組織全体を対象として、かつ極めて短時間で解析を行うことが可能です。


AIを活用し、肝臓の組織学的解析をより迅速かつ高精度に
肝臓組織のホールスライド画像を解析し、病理医の判断プロセスを再現します。これにより判定者間や判定者内のばらつきを排除した標準的かつ再現性の高い定量化が可能となり、数百枚規模のスライドにも対応できます。 本システムは、手作業による評価では一貫したスコアリングが困難な大規模コホートを対象とした非臨床試験での利用を想定して開発されています。

AIによって定量化された、MASHの3つの主要マーカー
(Three key MASH markers, Quantified by AI)

炎症(Inflammation)
AIは病理医と同様に炎症細胞の集積を検出・計数し、組織全体（100%）を対象に推定した1mm2あたりの密度を報告します（病理医による評価は通常、組織の約30%のサンプリングに基づきます）。個々の細胞を検出するため、集積あたりの細胞数や総細胞数といった統計データも算出・報告しますが、これらは大規模なデータセットにおいて手作業で収集することが困難な指標です。

線維化 (Fibrosis)
抽象的なピクセル単位のスコアではなく、病理医と同様の手法で線維化の影響を受けている組織の割合を推定します。AIによるスコアは、各研究グループにおける専門医の評価と高い相関を示します。

脂肪変性 (Steatosis)
大滴性および小滴性の脂肪変性を、影響を受けた組織の推定値として定量化し、病理医による読影結果を自動かつ再現性のある方法で再現します。今後、さらなる指標の追加も計画されています。


ケーススタディ：肝線維化 (Case study Liver Fibrosis)
AIによる線維化スコアと病理医の評価の整合性
AIによる線維化の解析結果が、治療の初期効果を捉えられるかどうかを検証しました。高脂肪食（HFD）を28週間摂取させたマウスに対し、その後もHFDを継続する群、通常の飼料（Lean chow）に切り替える群、あるいは直接的な抗線維化作用を持つFGF21長時間作用型アナログを4週間または8週間投与する群に分け、治療開始時点の群を対照として比較を行いました。 病理医による評価とAIによる解析のいずれにおいても、HFDは線維化を増大させる一方、飼料の切り替えやFGF21の投与はその進行を抑制することが示されました。すべての群において、AIのスコアは病理医の評価と高い相関を示しました。

AI駆動型 前臨床脳疾患研究： Brain AI

TNOのAI組織病理アルゴリズムは、脳切片を、神経変性および神経炎症に関する客観的な領域レベルの解析結果へと変換します。


AIを活用し、脳切片の定量解析をより迅速かつ高精度に
染色された脳切片のホールスライド画像を読み取り、脳領域のセグメンテーションを行った上で、個々の細胞を検出します。これにより、解析者によるばらつきを排除した再現性の高い定量データが得られ、大規模な前臨床コホートへの対応も可能になります。



マルチマーカー解析 (Multi marker analysis)

ニューロンの検出と密度（NeuN）
各領域内のNeuN陽性ニューロンをすべて検出・計数し、ニューロン密度やニューロン脱落に関する客観的なデータを提供します。1スライスあたり3万個以上のニューロンが存在する場合、このような測定を手作業で行うことは不可能です。

Microglial activation (Iba1)
切片全体でIba1陽性ミクログリアを検出し、ミクログリアの活性化および神経炎症の領域的な広がりを定量化します。

皮質厚 (Cortical thickness )
AIによってセグメンテーションされた皮質を直接測定し、切片全体にわたる再現性の高い皮質厚マップを作成します。これは、大規模な規模で手作業により作成することが不可能な構造的データです。

何故それが重要なのか？
●　迅速かつ低コスト：大規模コホートの手動スコアリングに比べ、所要時間を短縮。
●　病理医の判断を再現：専門家と同様の手法で細胞を計数し、病変組織の範囲を推定。
●　切片全体を解析：一部の領域を抽出するのではなく、組織全体にわたって密度や面積を算出。
●　手動解析を超えた指標：手作業では困難な、領域ごとの細胞数や密度の算出が可能。
●　標準化と再現性：判定者間および判定者内のばらつきを排除。

AI駆動型 前臨床動脈硬化研究：TNO Athero AI

APOE*3-Leiden (E3L) および APOE*3-Leiden.huCETP (E3L.CETP) マウスは、血漿脂質、リポタンパク質代謝、および動脈硬化を標的とした治療薬評価において確立されたトランスレーショナルモデルです。 これらのモデルは、予防および治療的試験デザインの双方において、臨床で使用される脂質低下薬に対する良好な反応性が証明されています。 AI支援型の評価は、病変（Lesion）定量の標準化、観察者間・内誤差（Inter- and Intra-reader variability）の低減、および薬効検出感度の向上により、これらの研究をさらに高度化します。 TNO Athero AI は、ルーチンの H&E 染色大動脈基部（Aortic root）切片画像を、客観的かつ定量的なデータセットへと変換し、薬効データの信頼性を強固なものにします。

一貫性のあるスコアリング (Score with consistency)
動脈硬化試験および研究におけるばらつきを最小限に抑えることで、スコアリングの信頼性を向上させます。 TNO Athero AI は、すべての病変を同一の客観的基準で評価することを保証し、人間の評価者間や異なる解析セッション間で生じる主観的な差異を排除します。

セグメンテーションと分類 (Segment and classify)
TNO Athero AI は、プラークを正確にセグメンテーション（領域分割）し、壊死層（Necrotic core）、石灰化、線維性組織、平滑筋成分などの組成を詳細に特徴付けます。 この詳細な組成解析により、従来の面積ベースの測定では完全に見逃されていた治療効果を明らかにすることが可能です。

ワークフローの効率化 (Efficient workflows)
AI支援型の読み取りにより、解析期間（ターンアラウンドタイム）を短縮し、試験を加速させます。 自動解析プロセスは、数百枚のホールスライド画像（WSI）を、病理医による手動レビューのわずかな時間で処理し、品質や詳細を損なうことなく迅速なデータ提供を可能にします。

精密かつ標準化されたプラーク解析 (Precise and standardized plaque readout)
TNO Athero AI のセグメンテーション技術は、精密かつ標準化されたプラークのデータ読み取りを可能にし、大動脈基部横断切片全体にわたって病変境界を正確に画定（Delineation）します。 自動解析により解析期間を短縮し、評価者のばらつきを最小限に抑える一方、明確なカラーコード出力により、結果の解釈を容易にします。各プラーク構成要素はピクセルレベルの精度でマッピングされ、手動評価の限界を遥かに超える定量測定を提供します。


早期病変の安定した検出 (Consistent detection of early-stage lesions)
TNO Athero AI 解析は、すべての試験サンプルにおいて、微小な早期動脈硬化病変であっても一貫して検出・画定することを保証します。薬物介入によって病変負荷が大幅に減少する可能性がある「予防投与デザイン」の試験において、この検出感度は極めて重要です。 AI モデルは、特徴の見落としリスクを低減し、試験内および試験間での病変評価の信頼性を高め、わずかではあるが有意な治療効果を統計的確信をもって捉えることを可能にします。


HistoSuiteの解析期間について
TNO Athero AI は、プラーク評価において最も労力を要する工程を自動化することで、深度、精度、再現性を犠牲にすることなく、解析期間を数週間から数日へと短縮します。

TNO Kidney AI: under construction