マイクロスコープからピクセルまで：デジタル病理の新しい時代

重要なポイント：

• • • • デジタルパソロジーは、アジア太平洋地域の新しい標準となりつつあり、光学顕微鏡に代わってワークフローを合理化し、診断を改善する高解像度デジタルスライドを実現しています。
      • デジタル化に加えて、完全なデジタル化により、自動化、AI、データ接続を統合して、より速く、より正確な結果が得られるなど、診断の経路全体が再考されます。
      • AIを活用した画像解析により、検出・定量・分類が強化され、病理医が複雑な症例に集中しながら、再現性が向上します。
      • オープンで相互運用可能なエコシステムにより、クラス最高のサードパーティAIツールの統合が可能になり、柔軟性、イノベーション、長期的な適応性が確保されます。
      • 早期導入により、がん治療の経路が強化され、早期発見、所要時間の短縮、遠隔地でも専門家の専門知識への幅広いアクセスが可能になります。

  アジア太平洋地域では、病理検査室は大きな変革を遂げています。従来の光学顕微鏡からデジタル病理学への移行は、もはや新たなトレンドではなく、急速に新たな標準になりつつあります。簡単に言えば、デジタル病理は、顕微鏡下で伝統的に見られるガラススライドを、病理学者がコンピュータでアクセスすることができる高解像度デジタル画像に変換することです。この進化は、単にテクノロジーの採用の問題ではなく、診断ワークフローを再形成し、今日の医療システムが直面している最も差し迫った課題のいくつかに対処することです。デジタル病理学は、ガラススライドに代わる現代の代替物だけではありません。これは、診断情報の閲覧、解釈、管理方法における根本的な変化を表しています。もはや問われるのは、デジタル病理が主流になるかどうかではなく、組織がいつ、どの程度効果的にこの移行を行うことができるかということです。

病理検査室の進化：デジタル化からデジタル活用へ

光学顕微鏡からデジタルファーストのモデルへの移行は、デジタル化とデジタル化の2つの段階で見ることができます。デジタル化は、アーカイブまたは共有のためのホールスライド画像(WSI)を作成するためのガラス顕微鏡スライドのスキャンから始まりました。物理的保存や遠隔コンサルティングなど多くの物流上の問題を解決しましたが、病理学的ワークフロー自体に変化はありませんでした[1]。一方で、デジタル活用はさらに進みます。これには、診断の経路全体の再考と再設計が含まれ、デジタル画像は、サンプルの準備と分析からコラボレーション、レポート、他の臨床システムとの統合に至るまで、プロセスのすべての段階の中心となります[1]。デジタル病理学の利点は大きく、単純なデジタル化にとどまらず、診断ワークフローおよび患者ケアを変革します：

• • • 境界のない協働：リモートで同時にスライドを用いてアクセスすることで、リアルタイムの診察、迅速なセカンドオピニオン、サービスが不十分な地域の患者に対するより迅速な専門医からのインプットが可能になります。
    • コスト管理とリソースの最適化：スライド輸送、宅配便、大規模なストレージのコスト削減を排除することで、無駄を削減し、大規模なネットワークを年間数十万人削減します。
    • ワークフローの効率と所要時間の改善：手作業による操作のボトルネックを取り除き、いつでもアクセスできるようにすることで、診断時間が最大42%短縮され、1時間あたり15×以上のスライドをレビューできます[3]。
    • 診断における精度と再現性：統合された画像解析ツールは、精度、等級付け、バイオマーカー定量化を改善し、一貫性のある個別化された治療決定に不可欠です。

  まとめると、デジタル病理は、診断のエコシステム全体をつなぐことで、共同作業の促進、コスト効率の向上、業務の最適化、高度な分析の活用が一体となり、患者の治療結果や医療システムの成果向上に寄与します。これらの説得力のある利点にもかかわらず、デジタル病理の広範な採用は依然として不均一です。多くの施設は、事前投資、スタッフのトレーニングとワークフローの再設計の必要性、および厳格なデータプライバシーまたはローカライズ要件に関連するハードルに直面しています。しかし、これらの課題は、明確なデジタル戦略、利害関係者との強い連携、そして短期的な混乱よりも長期的な臨床・運用上の価値を重視することで、ますます解決されつつあります。こうした背景の中で、デジタル病理の進化を形作る主要な市場の推進要因と障壁を理解することが重要です。

シフトの原動力：課題と技術的進歩

1. デジタル病理の導入を加速させる課題

いくつかの構造的および臨床的なプレッシャーにより、検査室は従来のワークフローを再考し、デジタルソリューションに移行しています。

1. 1. 1. 診断需要の増大 – 高齢化により増加する癌負担4、さらに早期発見が重視されることで、診断サービスにかつてない負担がかかっています[5]。
      2. 外部からのコンサルテーションおよび専門的な専門知識の必要性 – 複雑化する症例では、専門の病理医による情報の提供が必要となります。これにより、中央集権的な専門家が複数の施設から症例をレビューする、ハブアンドスポーク(hub-and-spoke)モデルが出現しました[6]。
      3. 労働力の制限 – 特に農村やサービスが不十分な地域では、資格のある病理医が不足しており、スケーラブルな分散型ソリューションが必要です。AI支援による画像解析は、潜在的な異常をスクリーニングすることでギャップを埋める助けとなり、最終的な確認は人間の病理医が行います。[7]。
      4. 検査室のワークフローのボトルネック –検体量の増加、プロセスの分断、手作業によるスライド処理への依存などにより、処理時間の遅延やエラーのリスクが高まっています。[8]。
      5. 病理医の作業量と燃え尽き – 管理上の負担とケースロードの増加により、トリアージ、優先順位付け、迅速なレビューをサポートするワークフローツールの必要性が生じます[8]。
      6. コストおよび運用上の非効率性 – 物理的なストレージ、スライドの出荷、および重複によって、レポートに不必要なコストと変動性が追加されます。
      7. ITの複雑性 – 病理データと病院のEHRやその他の診断システムを統合することは、多くの状況で依然として大きなハードルとなっています。

2. デジタル活用を推進する技術進歩

同時に、新たなイノベーションの波により、検査室がこれらの課題を克服し、デジタルワークフローを完全に受け入れることが可能になっています。

1. 1. 1. テクノロジーの成熟度 – 高速の全スライドスキャナー、クラウドベースのストレージ、安全なネットワークインフラストラクチャにより、大規模なデジタル化が日常的な使用に実現可能になりました。
      2. データとデジタル化– アナログ顕微鏡からデジタル画像に移行することで、計算病理と大規模分析への扉が開きます。
      3. 高度な画像分析アルゴリズム-AIツールは、HER2低発現などの微妙であるが臨床的に重要な特徴の解釈を標準化することによって、病理評価の再現性と信頼性を向上させることができます。他の用途は、さらに拡張することができ、人間の眼の限界を超える微妙な特徴、例えば、H&Eスライドから直接MSI状態を検出できます。
      4. 品質管理としてのAI – AIは、一次診断だけでなく、二次審査員として機能し、潜在的な不一致や見逃した所見にフラグを付けて一貫性を高めることができます。
      5. シームレスなデータ統合 – 病理画像を他の診断モダリティ（放射線、ゲノミクス）とリンクさせると、より全体的な患者ビューが作成されます。
      6. 効率と拡張性– デジタルワークフローは、複数のサイトにわたる中央レビューをサポートし、迅速なセカンドオピニオンを可能にし、所要時間を短縮します。
      7. パンデミックに基づくイノベーション– COVID-19により、ケアの継続性を実現するリモート病理とテレパソロジーの価値が浮き彫りになりました。

デジタル病理における新たなトレンドと機会

自動化、人工知能、オープンイノベーションの進歩は、検査室の運営を合理化するだけでなく、より深い臨床的洞察およびより広範な協力を可能にします。これらの開発は、疾患検出、治療計画、および医療提供の改善に向けた新たな道を開いており、デジタル病理を診断変革の中心的推進力として位置付けています。

1. エンドツーエンドの自動化とワークフローの統合

現在進行中の最も重要な変化の1つは、完全自動化への動きです。検査室では、検体追跡やバーコード管理からケースの割り当て、スライドスキャン、画像管理、デジタルレポート作成に至るまで、イメージングだけでなく病理全体を自動化することがますます求められています。臨床検査情報システム(LIS)及び電子健康記録(EHR)システムと統合した場合、デジタル病理プラットフォームは以下が可能です[6]。

• • • 各検体の採取から報告までのトレーサビリティを向上します。
    • 手動でのデータ入力やスライドのラベル貼り間違いに関連するエラーを減らします。
    • 遅れることなくリモートコラボレーションとセカンドオピニオンをサポートします。
    • 画像の明確性の向上、AIによる解釈、およびリアルタイムコラボレーションで確度を高めます。
    • 自動化によりラウンドクロック処理が可能になり、より多くのスライドを準備、スキャン、レビュー用のキューに入れることが可能になるため、標準的な作業時間を超えても、検査室がより迅速に結果を提供できるようになります。

  この統合は、症例数が多い管理やスタッフ不足が発生している環境では特に重要です。自動化により、ラボは作業を拡張しながら、精度とスループットを維持することができ、患者は人生を変える可能性のある結果をより早く得ることができます。

2. AIを活用したアルゴリズム

デジタル化により膨大な量の高品質の画像データが生成されるため、病理医はデータサイエンティスト、エンジニア、AIスペシャリストと緊密に協力して、従来の視覚評価の限界を大きく超える洞察を抽出する機会を得ることができるようになりました。AIを活用したアルゴリズムの中核をなすのは、病理画像の特定の特徴を認識するように訓練されたコンピュータモデルであり、多くの場合、深層学習やその他の高度な機械学習技術に基づいています。大規模で専門的に注釈付けされたデータセットから学習することにより、これらのアルゴリズムは、顕微鏡構造を高度な一貫性で検出、セグメント化、定量化、および分類することができます。幅広いタスクに対応するように設計されています[9, 10, 11, 12]:

• • • 検出アルゴリズムは、悪性細胞または転移などの疾患特徴の有無を識別します。
    • セグメンテーションアルゴリズムは、例えば、腫瘍境界を描写するか、または間質組織を強調表示するなど、関心領域の輪郭を描写します。
    • 定量化アルゴリズムは、HER2、PD-L1、ER、PR、またはKi-67などの免疫組織化学(IHC)染色におけるバイオマーカーの発現レベルを測定します。
    • 分類アルゴリズムは、癌サブタイプ間の鑑別など、形態またはバイオマーカーパターンに基づいて診断カテゴリを割り当てます。

  これらのツールは、2つの相補的な方法で動作することができます。第1の補助手段として、スライドを事前にスクリーニングして、関連する可能性のあるケースにレビュー用フラグを立てることができ、大量のラボでの作業量の優先順位付けを合理化します。第二選択レビュー者として、それらは、品質管理手段として機能し、人間の解釈と一貫した客観的な比較を提供し、手動レビュー中に見逃される可能性がある微妙な特徴を識別するのに役立つことができます。例えば、特定のAIモデルは、治療決定に影響を及ぼすことができるマーカーであるHER2低発現を確実に検出することができますが、顕微鏡下で完全な確実性で識別することが困難な場合があります[13]。アルゴリズムは、標的療法に適格な患者を識別するコンパニオン診断ツールと見なされます。用途の範囲は急速に拡大しています。いくつかのアルゴリズムは、前立腺がん、乳がん、または結腸直腸がんなどの特定の腫瘍タイプに焦点を当てており、他のアルゴリズムは、予後または予測バイオマーカーを評価するように設計されています。新たなモデルは、疾患進行を予測し、再発リスクを推定し、または所与の治療に対する患者の可能性のある応答を予測するために、病理組織学的特徴をゲノム、放射線、および臨床データと統合することさえできます[9,10]。AIの最大の価値は共生診断ワークフローの構築にあり、有糸分裂像の計数、スライドトリアージ、複雑な定量的測定などの反復的で時間のかかるタスクがアルゴリズムに委任されます。これにより、病理医は微妙な解釈や集学的な症例の議論により多くの時間を費やすことができます。その結果、所要時間が短縮されるだけでなく、より再現性が高く詳細な診断的洞察も得られ、患者ケアにおける病理医の中心的な役割を維持しながら、精密医療の可能性を高めることができます[11]。

3. AIアルゴリズムプロバイダーとのオープンエコシステムとコラボレーション

この状況を形作る第3の大きな力は、オープンデジタル病理生態系の台頭です4。現代のデジタル病理学プラットフォームは、モジュール式の相互運用可能なイノベーションに優しい環境を作成して、幅広い協力者からのサードパーティAIアルゴリズムを統合するようにますます設計されています。これらのプラットフォームは、ユーザーを単一の独自のツールセットにロックするのではなく、病理医が統合ビューアインターフェース内で複数のベンダーから直接クラス最高のAIモジュールを展開することを可能にし、トレーニングの負担を軽減し、シームレスなワークフローの採用を支援します。oraこれらのアルゴリズムの多くは、腫瘍グレーディング、転移検出、またはバイオマーカー定量化などの標的化された洞察を提供し、病理学者の専門知識を補完します。このアプローチは、より迅速で、一貫性があり、臨床的に関連する報告を保証します。このオープンモデルは、2014年以来AI駆動型デジタルパソロジーソリューションに向けて17億米ドルを超える世界的に重要な投資を集めており、2021年のみで42%の急増を記録しています[14]。イノベーションは急速に進んでいますが、日常的な臨床ワークフローへの導入は依然として困難であり、規制要件や、ハードウェアに依存せずローカルのITの制約に適応できるソリューションの必要性によって妨げられています。特に、アジア太平洋地域のQritiveのような企業は、データの主権を確保しながら、前立腺がん、結腸がん、肝臓がんなどの地域の優先事項に対処するハードウェア非依存のオンプレミスAIモジュールを提供することにより、この分野に価値をもたらす方法を例示しています。最終的には、エンドツーエンドの病理検査室の自動化、AIを活用した分析アルゴリズム、オープンなAI駆動型エコシステムの組み合わせにより、静的診断データを実用的な洞察に変換するコネクテッドで適応性のあるネットワークが促進されます。パートナー、データの種類、地域を超えたこの接続性により、医療機関は診断精度を高め、ワークフローを合理化し、適切な患者が適切なタイミングで適切な介入を受けられるようにすることができます。

デジタル病理の成熟に伴い優先すべき点

デジタル病理がビジョンから現実へと移行するにつれ、適切なパートナーを選択することは、その可能性を最大限に実現するための重要なステップとなります。デジタル病理学ベンダーを評価する場合、検査室は、高品質のスライドスキャンからAI駆動型の画像分析およびデータ統合まで、分離されたツールの集合ではなくシームレスなワークフローを保証するエンドツーエンドのサポートを提供するパートナーを探す必要があります。オープンエコシステム内にサードパーティアルゴリズムを統合してオンボードする能力は、プラットフォームのイノベーションと将来の実証を促進します。並行して、選択したベンダー（またはAIアルゴリズムプロバイダー）は、サービスとサポートに関して実証された専門知識を示す必要があります。テクノロジーの提供にとどまらず、応答性の高い技術支援、継続的なトレーニング、プロアクティブなメンテナンスを提供し、中断のないオペレーションと最適なシステムパフォーマンスを確保できなければなりません。最後に、規制基準、データプライバシー及びサイバーセキュリティ保護手段をナビゲートする際の堅牢な専門知識は、多様な地域にわたるコンプライアンスを維持しながら機密性の高い患者データを保護するために不可欠です。これらの考慮事項により、デジタルトランスフォーメーションはスピードと効率だけでなく、回復力と長期的な価値ももたらします。

デジタル病理の新しい時代

光学顕微鏡から完全なデジタル化への移行により、病理がニッチなイノベーションから臨床的必要性に変わりつつあります。特に東南アジアを中心とするアジア太平洋全域で、デジタル病理学は、早期発見、遅延の減少、より個別化された治療などを通じて、がん治療経路を強化する極めて重要な機会を提供しています。AIを活用した画像解析と組み合わせれば、これらのプラットフォームは診断精度を向上させ、学際的なコラボレーションを可能にし、遠隔環境からでも専門家の専門知識に迅速にアクセスできるようになります。これは、早期診断により生存率を大幅に改善することができる肺癌および乳癌などの高負荷癌にとって特に重要です。オープンで相互運用可能なエコシステムにより、適応性、検証済みサードパーティツールの統合、規制コンプライアンスがさらに確保され、将来に備えた診断インフラストラクチャに役立ちます。病理医によって形成され、代表的なデータセットでテストされた臨床的に検証されたソリューションは、一貫性を高め、堅牢なサイバーセキュリティとスケーラブルなハードウェアは、一連のケア全体で安全でシームレスな採用を可能にします。精度、速度、接続性によって定義されるヘルスケア時代において、デジタル病理学は単なる変革ではなく、現代の診断の新しいバックボーンです。

参考文献：

[1] Eloy, C., et al. 2025 “Digital transformation of pathology – the European Society of Pathology expert opinion paper.”Virchows Archiv. doi:10.1007/s00428-025-04090-w.
[2] Zia, S., et al. 2025 “An update on applications of digital pathology: primary diagnosis; telepathology, education and research.”Diagnostic Pathology 20 (17). doi:10.1186/s13000-025-01610-9.
[3] Menter, T., et al. 2020 “Intraoperative frozen section consultation by remote whole-slide imaging analysis -validation and comparison to robotic remote microscopy.”Journal of Clinical Pathology 73(6):350-352.
[4] 国際がん研究機関。2022. Global Cancer Observatory.アクセス日：2025年8月10日 https://gco.iarc.fr/.
[5] Zehra, T., et al. 2023 “A suggested way forward for adopof AI-Enabled digital pathology in low resource organizations in the developing world.”Diagnostic Pathology 18 (1): 68. doi:10.1186/s13000-023-01352-6.
[6] Mosquera-Zamudio, A., M.Gomez-Suarez,J.Sprockel,J.C.Riaño-Moreno, E.A.M. Janssen, L.Pantanowitz,and R。Parra-Medina.2024. “Globalization of a telepathology network with artificial intelligence applications in Colombia: The GLORIA program study protocol.”Journal of Pathology Informatics 15: 100394. doi:10.1016/j.jpi.2024.100394.
[7] Walsh,E.,and N.M.Orsi。2024. “The current troubled state of the global pathology workforce: a concise review.”Diagnostic Pathology 19 (163). doi:10.1186/s13000-024-01590-2.
[8] Edayan, J.M., et al. 2024. “Informatics in Medicine Unlocked” 50: 101566. doi:10.1016/j.imu.2024.101566.
[9] Go,H.2022年 “Digital Pathology and Artificial Intelligence Applications in Pathology.”Brain Tumor Research and Treatment 10 (2): 76-82.
[10] Shafi,S.,and A.V。Parwani.2023. “Artificial intelligence in diagnostic pathology.”Diagnostic Pathology 18 (109). < a href="https://www.sciencedirect.com/science/article/pii/S2153353922007507" target="_blank" rel="noopener">[11] Jarrahi, M.H., et al. 2022. “The key to an effective AI-powered digital pathology: Establishing a symbiotic workflow between pathologists and machine.”Journal of Pathology Informatics 13: 100156.
[12] Gaffney,H.,and K.M.Mirza.2025. “Pathology in the artificial intelligence era: Guiding innovation and implementation to preserve human insight.”Academic Pathology 12: 100166.
[13] Mulder, D., et al. 2025 「病理医の診断精度を向上させ、HER2を標的とした治療に対する患者の適格性を拡大するための、HER2低値およびHER2超低値IHC解釈トレーニングのための人工知能支援ソフトウェアの使用」。Abstract presented at the 2025 ASCO Annual Meeting.
[14] Signify Research.2023. “Digital Pathology Investment Matures, VCs Get Selective.”2025年9月4日アクセス。
https://www.signifyresearch.net/insights/complimentary-digital-pathology-vc-investment-analysis/.