カリフォルニア大学ロサンゼルス校（UCLA）の研究者らは、ハダサ医療センター（ヘブライ大学）および南カリフォルニア大学の病理学者らと協力し、深層学習を活用した新技術を開発した。この技術は、一度の組織切片（未染色）から複数の免疫組織化学染色（IHC）をデジタルで再現可能にするもので、がん診断の精度と効率を大幅に向上させる可能性を秘めている。 従来、病理診断では複数の染色を別々に実施する必要があり、組織サンプルの消費や診断にかかる時間、コストが課題となっていた。今回開発された深層学習モデルは、一つの未染色の組織スライドから、複数のターゲット蛋白質を示す染色パターンを仮想的に再現する。これにより、従来の数回の染色プロセスを1回のスキャンで代替可能となる。 研究チームは、実際の病理スライドと対応する染色データを用いてモデルを学習させ、再現精度を検証。その結果、複数の腫瘍マーカー（例：ER、PR、HER2など）について、臨床的に信頼できる染色結果を再現することに成功した。特に、がんのサブタイプ分類や治療法選択に重要な情報が、高精度で得られることが確認された。 この技術により、組織サンプルの保存が可能になり、再診断や遠隔診断の実現も期待される。また、診断の標準化や病理医の負担軽減にも貢献する。今後は、臨床現場での実用化と、他の疾患への応用拡大が進められる見通し。 UCLAの研究チームは、AIと医学の融合によって、より正確で効率的ながん診断の実現を目指している。