深達度三次元構造推定AIの開発に向けて、前年度に引き続き、データ収集とアノテーション作業を通じて、学習セット作成をすすめ、AIモデルの構築と改善を行った。また、昨年度構築した内視鏡画像と病理切り出し画像のマッチング支援ツール、病理WSI画像からのアノテーション画像切り出しツールの改善などを行った。
大腸T1がんの内視鏡的切除症例から2020年から2024年の103症例を選択し、前年度と併せて113病変について内視鏡画像（白色光画像、強調画像、拡大画像等）、病理切り出し画像、病理HE画像(WSI)を収集した。さらに、45病変に対して、WSIアノテーションとして、深達度スキーマを構成する上で必要な筋板、Mがん、SMがんの各領域をマーキングしたWSIデータを準備した。また、マッチング支援ツールを用いて、内視鏡医によるアノテーション作業も実施し、AI用データセットを構築した。
アノテーションが完了した45病変について、病理切り出し画像と内視鏡画像のマッチング支援ツールを用い、自動で内視鏡画像上に病理切り出し線を対応づけた。さらに、WSI画像の各領域のマーキング画像から断面での深達度パターンを構成し、先の対応付けの情報を介して、内視鏡画像上に深達度パターンをマッピングした。この段階では、内視鏡画像上にはマッピングされた切出し線上にしか深達度情報が無いが、深達度三次元構造推定AIの学習に向けて、それらをスプライン補間などを用いて、面上に拡大し、内視鏡画像に対応した２次元的な深達度情報を再構成させた。
内視鏡画像とそれに対応する２次元的な深達度情報を用いて、深達度三次元構造推定AIの学習を行った。その結果、深達距離の精度はまだ高くないが、病変部に対応した深達度ヒートマップを出力するAIを構成することができた。また、深達度ヒートマップから、コンピュータグラフィクスを用いて深達度構造を３次元的に表示するツールを作成した。