香港大学（HKU）の郭子華教授をリーダーとする研究チームは、細胞画像の分析を革新する新たな人工知能（AI）フレームワーク「MorphoGenie」を開発し、学術誌『Nature Communications』に掲載しました。このツールは、健康と疾患における細胞の微妙な差異を視覚的に捉え、従来の AI が抱える「ブラックボックス」問題である判断過程の不明瞭さを解決することを目指しています。 MorphoGenie の革新的な点は、人間の学習様式を模した「構成性」の原理に基づいていることです。AI は細胞のサイズ、形状、内部テクスチャ、微細な構造といった再利用可能な視覚的構成要素を画像から自動で学習します。これにより、大量の手動によるラベル付けや事前の仮定なしに、新しい細胞データや以前に未確認の状態を正確に解釈できるようになります。従来の手法では検出が困難だった肺がんの亜型、薬剤による細胞の変化、細胞周期の進行、およびがん転移に関連する上皮間葉転換などの動的プロセスを明確に区別できることを研究チームは実証しました。 このシステムの最大の利点は、ラベルフリー定量位相顕微鏡や蛍光顕微鏡など、さまざまな撮影技術に跨って適用可能である点です。さらに、一つのデータセットで学習した知識を別の未見のデータセットへ転送できるため、疾患研究、創薬、治療反応の解明など、幅広い生物医学分野での応用が期待されます。 郭教授は、AI が医療現場で真に役立つためには、信頼性と再現性に加え、科学的な洞察をもたらす透明性が不可欠であると強調しています。MorphoGenie は、AI が発見したパターンを人間が理解し検証できるようにすることで、研究者の専門知見を保持しつつ、新たな研究課題の発見や生物学的状態の比較を支援します。完全な自律的な生物医学的発見は長期的な目標ですが、MorphoGenie は、より強力かつ透明な次世代 AI システムの基盤を確立し、健康と疾患の理解を前進させる重要な一歩となるとされています。