炎症の細胞構造に関する現在の組織病理学画像における研究は、診断および研究の目的で広く行われているが、生検スライドに含まれる多くの情報を無視している。自己免疫疾患においては、炎症が組織レベルでどの細胞種が関与しているか、またそれらの細胞がどのように相互作用しているかという、主要な未解決の研究課題が残っている。これらの問いに対しては従来の手法により部分的に答えが得られるものの、セグメンテーションおよび分類に人工知能（AI）を活用するアプローチは、自己免疫疾患における炎症の構造を理解する上ではるかに効率的であり、新たな知見の獲得に大きな可能性を秘めている。本論文では、ヒトの皮膚筋炎生検組織を用いて、炎症性細胞の検出および同定を目的とした深層学習手法を実証的に開発した。本手法は分類性能を26%、セグメンテーション性能を5%向上させた。さらに、セグメンテーション性能をさらに3%向上させる新しい後処理自動符号化器（post-processing autoencoder）アーキテクチャも提案した。