【課題全体の研究成果】
当該年度は最終年度に当たる為、各研究機関で研究開発を行いそれらの成果物を持ちより本研究開発の最終目標である質的診断法の開発を行った。浜松ホトニクスは、前年度までに組み立てを完了したハイブリッド試作機を用い、その光学調整、およびスクリーニング検査用AIの精度向上に努めた。その結果、CTCの細分類（開発項目C3）を行える光学系およびAI診断アルゴリズムを含むハイブリッド試作機を完成させた。一方、浜松医科大学は、浜松ホトニクスが研究開発したハイブリッド試作機を用い、従来法との比較（開発項目C1）、スクリーニング機能の迅速化評価（開発項目C2）、および臨床的評価（開発項目C4）を行った。その結果、消化器癌診断における臨床的有用性が示唆された。
【当該研究機関の研究成果】
浜松ホトニクスは、前年度までに組み立てを完了したハイブリッド試作機を用い、その光学調整、およびスクリーニング検査用AIの精度向上に努めた。その結果、CTCの細分類（開発項目C3）を行える光学系およびAI診断アルゴリズムを含むハイブリッド試作機を完成させた。
当該年度唯一の開発項目C3の第1のポイントとして、前年度開発項目Aで開発したハイブリッド試作機で得られた2次元像、3次元像が、スクリーニングおよび細分類を行う上で十分な情報（画質）を有することを評価した。2次元像に関してはスクリーニングAIの性能指数であるROC曲線下面積（AUC）が0.9に達したことことから、AIの学習に耐えうる画質を有していると判断した。また、3次元像に関しては健常人白血球の3次元的な内部構造が、白血球の特有の特徴を有していることが認められことから、細分類に耐えうる画質を有していると判断した。
また、本開発項目(C3)の第2のポイントとして、前年度開発項目Bで開発したスクリーニング機能で得られる非白血球群（CTC候補）の感度が最適値となるように、スクリーニングAIのパラメーターを調整し所望の性能（前記ROC曲線下面積AUC0.9）を得ることができた。
最後に、本開発項目(C3)の第3のポイントとして、浜松医科大学の開発項目C4からのフィードバックを受け、細分類アルゴリズムの選定・調整を行った。