ホセイン研究室

乳がんサブタイプ解析と精密治療推奨のためのマルチモーダルAI

本プロジェクトは、組織病理、臨床、遺伝子、画像データなど、多様な乳がん関連データを解析するマルチモーダルAIシステムの開発を目的としています。このシステムは、乳がんのサブタイプを正確に判別し、個別化された治療法を推奨することで、診断の精度を向上させ、専門家に依存した高額な診断方法への依存を軽減することを目指しています。関連するすべてのデータソースを統合することで、本AIモデルは、精密医療を支援し、高品質な乳がんケアへのアクセスを広げる、低コストで拡張性の高いソリューションを提供します。

乳がん転移評価のための自動診断パイプライン

この研究は、H&E染色された生検検体のデジタル画像を用いて、乳がん患者の遠隔および腋窩リンパ節への転移を評価するためのAI主導の自動パイプラインの開発を目的としています。MRI、CT、PET-CTなどの従来の画像診断法は、初期の転移を検出する精度が低く、専門家の経験に大きく依存しています。一方、生検に基づく評価はより正確ですが、バングラデシュや他の開発途上国では労力がかかるため十分に活用されていません。本研究では、カメラ付き顕微鏡で生検画像を取得し、トランスフォーマーモデルを用いて腫瘍領域を特定し、**グラフニューラルネットワーク（GNN）**で転移を分類するシステムを構築します。このパイプラインにより、迅速・高精度かつ低コストでの評価が可能となり、病理医の意思決定を支援します。本研究は、**国連の持続可能な開発目標（SDGs）のうち、すべての人に健康と福祉を（目標3）、産業と技術革新の基盤をつくろう（目標9）、人や国の不平等をなくそう（目標10）、およびジェンダー平等を実現しよう（目標5）**に貢献します。

乳がん患者のHER2グレーディング

当研究室では、統計モデル、予測分析、データ可視化を通じて、大規模データから有益な知見を抽出しています。データ駆動型の意思決定支援を目指しています。

ネオアジュバント療法後の残存腫瘍細胞量評価

術前補助療法後の残存腫瘍細胞率（RTC）の評価は、乳がん治療の効果を判定し、その後の臨床的意思決定を導くうえで重要です。私たちは、H&E染色されたホールスライド画像から腫瘍細胞率を評価するための、包括的かつ実用的なシステムの開発を目指しています。本プロジェクトでは、マルチモーダルAIを活用し、正確な予後評価を支援するとともに、治療方針の迅速な調整や、先進国・途上国を問わず大規模かつ標準化された病理診断の実現を目指します。

Bevacizumab単独療法のための卵巣癌患者選択に向けたAI支援ソリューション

卵巣がんの治療結果は患者ごとに大きく異なるため、個別化された治療選択が非常に重要です。本研究は、高度なマルチモーダル人工知能技術を活用し、ベバシズマブ単クローン抗体療法の効果が期待できる卵巣がん患者を予測するAI支援ソリューションの開発を目指しています。マルチモーダルAIは、組織病理の全スライド画像、臨床記録、ゲノム情報など多様なデータソースを解析することで、正確かつ迅速で信頼性の高い予測を提供します。このソリューションにより、治療効果の向上と不要な副作用や医療費の削減が期待されます。

病理組織画像における細胞核セグメンテーション

本研究プロジェクトは、病理組織画像における正確な細胞核セグメンテーションのための高度なAIアルゴリズムの開発に取り組んでいます。細胞核の精密なセグメンテーションは、腫瘍グレーディング、バイオマーカーの定量、患者の予後予測などの後続タスクにおいて重要なステップです。

本プロジェクトでは、畳み込みニューラルネットワーク（CNN）やトランスフォーマーベースのアーキテクチャなどの深層学習モデルを活用し、さまざまな染色条件や組織タイプにおける細胞核の検出と輪郭抽出を行っています。重なり合う細胞核、染色のばらつき、複雑な組織形態といった課題に取り組みながら、本研究はデジタル病理ワークフローの信頼性とスケーラビリティを向上させ、より正確かつ自動化されたがん診断の実現を目指しています。