多解像度階層型共役ニューラルネットワークを用いたスライド画像におけるDecidual Vasculopathy Identification in Whole Slide Images Using Multi-Resolution Hierarchical Convolutional Neural Networks

Decidual Vasculopathy Identification in Whole Slide Images Using Multi-Resolution Hierarchical Convolutional Neural Networks.

• Daniel Clymer
• Stefan Kostadinov
• Janet Catov
• Lauren Skvarca
• Liron Pantanowitz
• Jonathan Cagan
• Philip LeDuc

抄録

出産後、感染症や母体血管不全などの異常がないか病理医による胎盤の検査を受けることで、乳児の当面の健康状態や長期的な健康状態に関する重要な情報を得ることができます。病理的な胎盤血管病変である落葉性血管障害（DV）の検出は、その後の妊娠で母体および新生児の罹患率につながる子癇前症などの妊娠の不利な転帰を予測することが示されている。しかし、大病院での分娩量が多く、資源が限られているため、現在、分娩された胎盤のかなりの割合が検査を受けずに廃棄されています。さらに、DVの正しい診断には、経験豊富な周産期病理医の専門知識が必要とされることが多い。本研究では、デジタル化された胎盤スライドからDV病変を自動検出・分類するための階層的機械学習アプローチと、学習した画像特徴と患者のメタデータを結合してDVの存在を予測する方法を紹介する。最終的には、このアプローチにより、より多くの胎盤をより標準化された方法でスクリーニングすることが可能になり、どの症例がより詳細な病理学的検査から最も利益を得ることができるかについてのフィードバックを得ることができるようになる。このようなコンピュータ支援によるヒト胎盤の検査により、将来の妊娠のリスクがあると判断された女性に対して、世界の妊娠の2～8％に影響を及ぼす疾患である子癇前症を予防するために、乳児・母体ケアや化学予防（アスピリン療法など）をリアルタイムで調整することが可能になるだろう。

After a child is born, the examination of the placenta by a pathologist for abnormalities such as infection or maternal vascular malperfusion can provide important information about the immediate and long-term health of the infant. Detection of the pathologic placental blood vessel lesion decidual vasculopathy (DV) has been shown to predict adverse pregnancy outcomes such as pre-eclampsia, which can lead to mother and neonatal morbidity in subsequent pregnancies. However, due to the high volume of deliveries at large hospitals and limited resources, currently a large proportion of delivered placentas are being discarded without inspection. Further, the correct diagnosis of DV often requires the expertise of an experienced perinatal pathologist. We introduce a hierarchical machine learning approach for the automated detection and classification of DV lesions in digitized placenta slides, along with a method of coupling learned image features with patient metadata in order to predict the presence of DV. Ultimately, the approach will allow many more placentas to be screened in a more standardized manner, providing feedback about which cases would benefit most from more in-depth pathological inspection. Such computer-assisted examination of human placentas will enable real-time adjustment to infant and maternal care and possible chemoprevention (e.g., aspirin therapy) to prevent pre-eclampsia, a disease that affects 2-8% of pregnancies worldwide, in women identified to be at-risk with future pregnancies.

Copyright © 2020. Published by Elsevier Inc.