病理画像解析は、デジタル病理（WSI）・形態計測・免疫染色の定量・機械学習・分光の5つの軸に整理できます。本記事では各手法で何が定量できて何が難しいのかを査読論文と公的資料で比較し、自分の研究テーマならどこから入るべきかを判断できる状態を目指します。
結論から述べると、病理画像解析は「ひとつの技術」ではなく、目的の異なる複数の手法群の総称です。ガラス標本を全面デジタル化して観察・共有を可能にするデジタル病理（WSI＝ホールスライドイメージング）が土台にあり、その上に、形を数値化する形態計測、染色の強さを数値化する免疫染色の定量、大量データから相関を学習する機械学習、そして波長ごとの情報を記録する分光イメージングが積み重なります。いずれも病理診断そのものを置き換える技術ではなく、「観察者の目で判断していた何かを、再現性のある数値に置き換える」ための手段という点で共通しています。どこから入るべきかは、装置の性能ではなく「自分が定量したい量が何か」で決まります。
病理画像解析の土台：WSIで何がデジタル化され、何が残ったのか
病理画像解析の話は、ほぼ例外なくWSIから始まります。ガラス標本をスキャナで全面撮影し、ディスプレイ上で観察・共有できるようにする技術です。国内では日本病理学会と日本デジタルパソロジー研究会が病理診断のためのデジタルパソロジーシステム技術基準 第4版（2024年5月17日）を公開し、機器に求められる要件を具体的な数値で定めています。
技術基準が定める数値を先に押さえる
この基準では、拡大像について40倍相当で取り込む場合の画像分解能は250nm以下とされ、DICOM Supplement 145 の「250nm/pixel を40倍相当、500nm/pixel を20倍相当とする」記載が参考として併記されています。観察に用いるモニターも、1280×1024以上の表示画素数、画素ピッチ0.30mm以下、sRGBに準じた色域、8bit（256階調）以上といった要件が定められています。また同基準は、医療機器の一般的名称として設定された「病理ホールスライド画像保存表示装置」（クラスⅠ）および「病理ホールスライド画像診断補助装置」（クラスⅡ）の基準として活用可能とすることを目的に作成された、と明記されています。
RGB 3チャネルという制約が残った
一方で、同基準が画像取込装置に求めているのは「RGB 3原色等によるカラー撮影ができること」であり、撮影したカラー画像の色域および階調は「各ベンダーが設定した品質基準を満たしていること」とされています。つまり色再現の絶対的な物差しは基準側で固定されていません。観察と共有の効率は劇的に上がりましたが、「この核にヘマトキシリンがどれだけ乗っているか」を物理量として取り出す用途では、3チャネルという情報量そのものが制約として残ります。
もうひとつ現実的な壁がデータの扱いです。WSIはDICOM画像と比べて画像容量が2〜3桁大きく取り扱いが難しかったこと、2017年にPhilips社のWSIシステムがFDAに認可され（同年に日本の薬事承認も取得）WSIでの第一次診断が可能になったことを契機に欧米で導入が進んだ経緯が、国内の総説で整理されています（寺崎ほか, 日本医科大学医学会雑誌 19巻2号, 2023）。日本の状況については「世界では病理のデジタル化が急速に進んでいるが、日本は完全に遅れをとっており、アジアの中でも下位グループ」という厳しい指摘もあります（前田, 日本内分泌外科学会雑誌 41巻3号, 2024）。
手法別の比較：何が定量できて、何が限界か
ここが本記事の中心です。5つの軸を「定量できる量」「必要な設備」「研究上の限界」で並べると、選択の基準が見えてきます。
手法 | 定量できる主な量 | 必要な設備・体制 | 主な研究上の限界 |
|---|---|---|---|
デジタル病理（WSI・RGB） | 標本全域の位置と見え方の記録。観察の共有、AI学習用データの基盤 | WSIスキャナ、画像保存システム、基準を満たす表示装置 | RGB 3チャネルに情報が畳み込まれる。色域・階調はベンダー基準に依存。1標本あたりの容量が大きい |
形態計測（モルフォメトリ） | 核の面積・円形度・密度、細胞数、領域面積比、陽性細胞率 | WSI画像＋解析ソフト（QuPath等）。スクリプト実行環境 | 細胞・核のセグメンテーション精度に全依存。切片の厚み・染色条件でパラメータが動く |
免疫染色（IHC）の定量 | 陽性細胞率、染色強度、Ki67指数などの指標 | 免疫染色の設備と標準化されたプロトコル、画像解析 | 視覚評価の観察者間・施設間の一致が低い。発色基質と対比染色のスペクトルが重なる |
機械学習・深層学習 | 良悪の分類スコア、予後と相関する特徴量、分子背景の予測値 | 大量のWSI、アノテーション（病理医の時間）、GPU計算環境 | 判定過程がブラックボックス。施設間の汎化が難しい。国内はデジタル画像のストック不足 |
分光（ハイパースペクトル） | 画素ごとの波長別強度、色素量の推定値、未知の分光的特徴 | 分光カメラ＋顕微鏡、大容量ストレージ、解析環境 | データ量と撮影時間。標本条件の影響を受けやすい。研究段階の手法 |
形態計測：オープンソースで再現性を確保できる領域
形態計測は、病理画像解析のなかで最も敷居が低く、かつ論文化しやすい入り口です。デジタル病理向けのオープンソース解析ソフトウェアである QuPath は、腫瘍領域の同定と高スループットなバイオマーカー評価のツール群に加え、バッチ処理とスクリプト機能、アルゴリズムを開発・共有できる拡張プラットフォームを提供するものとして報告されています（Bankhead et al., Scientific Reports, 7:16878, 2017）。解析手順をスクリプトとして残せることは、施設をまたいだ再現性を担保する上で実務的に大きな意味を持ちます。
免疫染色の定量：観察者間のばらつきが数値で示されている
免疫染色のスコア化は、長く目視で行われてきました。その再現性については、International Ki67 in Breast Cancer Working Group の検討で具体的な数値が公表されています。標準化前の段階では観察者内ICC 0.94に対して観察者間ICC 0.71、施設間ICC 0.59にとどまり、標準化されたスコアリング法とキャリブレーション演習を導入した段階で観察者間ICCが0.92（95%CI 0.88-0.96）まで改善したと報告されています（Nielsen et al., J Natl Cancer Inst, 113(7):808-819, 2021）。同グループは、予後推定に使える範囲としてKi67が5%以下または30%以上という区分を挙げ、10〜20%の中間域では症例の誤分類リスクが残るとしています。
ここから読み取れる示唆は明快です。免疫染色の定量を研究テーマに据えるなら、装置や解析手法より先に「スコアリング手順の標準化」が効くということです。画像解析は、その標準化を機械的に固定する手段として位置づけると筋が通ります。
機械学習・深層学習：精度の報告と、そのまま使えない理由
深層学習の成果としてよく引かれるのが、アノテーションのない病理画像から説明可能な特徴を自動獲得した研究です。13,188枚の whole-mount 病理画像（860億超の画像パッチ）を用い、前立腺癌の再発予測において、確立された基準による専門病理医の診断よりも高い精度を示し、さらにアルゴリズム由来の特徴と人が確立した基準を組み合わせるとより正確に予測できたと報告されています（Yamamoto et al., Nature Communications, 10:5642, 2019）。
近年はこの延長で「基盤モデル」が主戦場になりました。汎用の自己教師あり病理モデル UNI は、20の主要組織型にわたる10万枚超の診断用H&E染色WSI（77TB超）から1億枚超の画像で事前学習し、難易度の異なる34の代表的タスクで評価された、と報告されています（Chen et al., Nature Medicine, 30:850-862, 2024）。個々の研究室が自前でモデルを学習させる時代から、公開モデルの特徴量を自分のデータで検証する時代へと重心が移りつつあります。
ただし、この分野の限界も同じ文献群で率直に指摘されています。深層学習は判定過程が人間には把握できない「ブラックボックス問題」を抱え、画像に微小なノイズを加えて誤分類を誘発する敵対的サンプルの存在も知られています。国内で病理AI開発が他領域に比べ遅れている主因として、学習に必要なデジタル画像のストックの少なさが挙げられています（寺崎ほか, 2023）。また、AIは統計に基づいて確率の高い選択を行う仕組みである以上100%の正診率は出ないため、導入対象は「診断者間一致率が80%程度の検査」や「時間と労力を要する業務」だという整理もなされています（前田, 2024）。精度の数値だけを根拠に研究計画を立てると、この前提を見落とします。
分光（ハイパースペクトル）：第4の軸として何が増えるのか
ここまでの3手法は、いずれもRGB画像を出発点にしています。分光イメージングは出発点そのものを変え、画素ごとに数十〜数百の波長別強度を記録します。増えるのは「波長方向の次元」であり、色素量の推定や、RGBでは差が出ない微弱な違いの探索に使えます。何がどこまで定量できるかは各論として整理が必要なため、病理標本の分光イメージングで研究上何が定量できるかを別記事にまとめました。バンド数の選び方や染色ばらつきの正規化まで踏み込む場合はそちらを参照してください。
私たちは病理標本を対象とした分光解析の検討を、病理医・研究者との共同研究として学会で発表してきました。たとえば141バンドハイパースペクトルカメラによる肺癌細胞核スペクトル分析とTTF-1・p40免疫染色性予測の試みや、ハイパースペクトルによるH&E標本の免疫染色マーカーの予測可能性とその因子の特定といった発表です。いずれも研究段階の検討であり、診断性能を保証するものではありません。過去の発表や受賞歴は実績一覧にまとめています。医療領域全体での応用の広がりはハイパースペクトルカメラの医療応用5領域で整理しました。
自分の研究テーマなら、どの手法から入るべきか
手法の一覧を眺めても選べないのは、選択の基準が「装置」ではなく「問いの形」にあるからです。以下の対応表は、研究の問いを定量の言葉に翻訳したときに、どの軸が最短かを整理したものです。
研究の問い（定量したいこと） | 最初に選ぶ軸 | そう考える理由 |
|---|---|---|
観察を共有・遠隔化し、症例をデータとして蓄積したい | デジタル病理（WSI） | 他のすべての手法の入力になる。技術基準で要件が明文化されている |
形の違い（核の大きさ・密度・不整さ）を数字にしたい | 形態計測 | 既存のWSI画像とオープンソースで着手でき、手順をスクリプトで残せる |
染色の強さを施設間で再現性よく比べたい | 免疫染色の定量＋標準化手順 | ばらつきの主因が観察者と手順にあることが数値で示されている |
大量症例から予後や分子背景との相関を探したい | 機械学習・基盤モデル | 症例数とアノテーションが揃うなら、人が気づいていない特徴の探索に向く |
RGBでは差が出ない、あるいはどの波長が効くか自体を知りたい | 分光（ハイパースペクトル） | 波長方向の次元を増やすこと自体が仮説検証の対象になる |
順序としては、「WSIで撮る → 形態計測で数値化する → 足りない量を特定する → その量に合う手法（IHC定量・機械学習・分光）へ進む」という流れが、投資判断を誤りにくい進め方です。最初から分光やAIに飛ぶと、比較対象となるベースラインが無いまま結果を評価することになり、査読で必ず問われます。
どの軸から入るべきか、装置の仕様が研究計画に合うかどうかは、実際の標本と問いを見ないと判断できない部分が残ります。分光の側から検討されている方は、共同研究や学術相談という形でお声がけいただければ、実現可能性の当たりを一緒に付けるところからお手伝いできます。
研究計画で見落としやすい4つの落とし穴
手法の選択が正しくても、次の4点で止まる研究が少なくありません。装置カタログには書かれない部分です。
- アノテーションが律速になる：画像は自動で増えますが、正解ラベルは病理医の時間からしか生まれません。日本の病理専門医は2,825名（2026年4月20日現在、日本病理学会）で、日常業務の合間にラベル付けの時間を確保する前提で計画を立てる必要があります。アノテーション量を減らす弱教師あり学習や、公開基盤モデルの特徴量を使う設計は、この制約への現実的な回答です。
- 施設間で結果が揃わない：染色装置・ロット・スキャナ・モニターが変われば同じ組織でも数値が動きます。技術基準が色域・階調の要件を定めているのは、この揺れを抑えるためです。多施設で比較する計画なら、撮影条件とキャリブレーション手順を記録に残す運用を先に決めます。
- データ量と計算資源：WSIはDICOM画像より2〜3桁大きく、分光を重ねればさらに増えます。保存先・バックアップ・解析マシンのメモリを、撮影を始める前に設計します。
- 撮影系の構成：分光を試す場合、専用機を導入する前に既存の顕微鏡へカメラを取り付ける構成が現実的な出発点になります。取り付け時の注意点は顕微鏡へのハイパースペクトルカメラ取り付けと注意点にまとめました。装置全体の仕組みから確認したい方は、ハイパースペクトルカメラとは何かを基礎から解説した記事もあわせてご覧ください。
研究費の面では、研究機器の購入に科学研究費助成事業（科研費）を充てる選択肢があります。制度の内容と公募状況は年度で変わるため、必ず日本学術振興会の科研費公式ページで当年度の情報をご確認ください。申請時の考え方は研究機器を科研費で購入する際の注意点で整理しています。特定の装置が対象になり得るかは要件次第ですので、断定はできません。該当しそうかどうかの相談も含めてお声がけいただければ、資料の形でお渡しします。
まとめ：手法を並べてから、問いに戻る
病理画像解析は、WSIという土台の上に、形態計測・免疫染色の定量・機械学習・分光という性質の違う軸が乗った構造をしています。それぞれ定量できる量も限界も違うため、「どの手法が優れているか」ではなく「自分が数値にしたい量はどれか」で選ぶのが筋道です。どの軸でも共通して効くのは、撮影条件と手順を記録に残すという地味な作業でした。
分光イメージングを含む具体的な装置構成、波長域、研究事例をまとめた資料をご用意しています。研究計画の検討段階でお役立てください。
