口腔ブラシ生検の免疫賦活化により口腔扁平苔癬および苔癬状病変の診断精度が向上した

Immunoexpression of oral brush biopsy enhances the accuracy of diagnosis for oral lichen planus and lichenoid lesions.

抄録

背景:

本研究では、口腔液状ブラシ細胞診（OLBC）と免疫染色細胞診由来の細胞ブロックを併用し、機械学習を用いて定量化した口腔扁平苔癬（OLP）の診断における有効性を評価した。

BACKGROUND: This study assessed the efficacy of using oral liquid-based brush cytology (OLBC) coupled with immunostained cytology-derived cell-blocks, quantified using machine-learning, in the diagnosis of oral lichen planus (OLP).

方法:

臨床的にOLPまたは口腔苔癬病変（OLL）と診断された82名の患者を対象とした。外科的生検を受ける前に、すべての患者からOLBCサンプルを入手した。液状細胞診スライドと細胞ブロックを作成し，細胞形態学と4種類の抗体（Ki-67，BAX，NF-κB-p65，AMACR）に対する免疫細胞化学で評価した．比較のため、一致する31の外科的生検サンプルのサブグループが無作為に選ばれ、免疫組織化学で評価された。患者は確定診断により、OLP、OLL、臨床的には苔癬状だが病理組織学的には異形成病変（OEDL）に分類された。機械学習により、陽性に染色されたタンパク質の発現を自動的に定量化した。

METHODS: Eighty-two patients diagnosed clinically with either OLP or oral lichenoid lesion (OLL) were included. OLBC samples were obtained from all patients before undergoing surgical biopsy. Liquid-based cytology slides and cell-blocks were prepared and assessed by cytomorphology and immunocytochemistry for four antibodies (Ki-67, BAX, NF-κB-p65, AMACR). For comparison purposes, a sub-group of 31 matched surgical biopsy samples were selected randomly and assessed by immunohistochemistry. Patients were categorized according to their definitive diagnoses into OLP, OLL, and clinically lichenoid, but histopathologically dysplastic lesions (OEDL). Machine-learning was utilized to provide automated quantification of positively stained protein expression.

結果:

細胞形態学的評価は、OLP/OLとOEDLの区別において77.27%の精度となった。機械学習により、細胞ブロックと組織切片の免疫染色パターンの92.5%（κ=0.84）の強い一致が明らかになった。Ki-67を用いた診断指標では，上皮異形成を伴う苔癬症の検出精度は100％であった．BAXに基づくモデルは92.16%の精度を示した。細胞形態学的評価の精度は，BAX免疫反応と組み合わせることで大幅に向上した（95％）．

RESULTS: Cytomorphological assessment was associated with an accuracy of 77.27% in the distinction between OLP/OLL and OEDL. A strong concordance of 92.5% (κ = 0.84) of immunostaining patterns was evident between cell-blocks and tissue sections using machine-learning. A diagnostic index using a Ki-67-based model was 100% accurate in detecting lichenoid cases with epithelial dysplasia. A BAX-based model demonstrated an accuracy of 92.16%. The accuracy of cytomorphological assessment was greatly improved when it was combined with BAX immunoreactivity (95%).

結論:

OLBCから調製した細胞ブロックは，Ki-67免疫染色と組み合わせることにより，上皮異形成を伴う口腔苔癬病の診断において，外科的生検に代わる信頼性が高く低侵襲な検査法であることがわかった．機械学習は，免疫染色によるタンパク質発現の自動定量化において，有望な役割を担っている．

CONCLUSIONS: Cell-blocks prepared from OLBC are reliable and minimally-invasive alternatives to surgical biopsies to diagnose oral lichenoid lesions with epithelial dysplasia when combined with Ki-67 immunostaining. Machine-learning has a promising role in the automated quantification of immunostained protein expression.