細胞加工製品の配慮すべき安全性上の懸念事項として、投与される製品中に形質転換細胞が含まれていないこと、及び、ウイルス等の外来性感染性物質の混入がないことを明確にすること、が挙げられる。本研究では、細胞加工製品のin vitroウイルス安全性評価や形質転換細胞検出試験にAI画像情報処理技術を応用し、これらの試験系の高精度化と高効率化を図るとともに、ガイドライン策定に資する細胞加工製品のAI画像解析技術を利用した品質試験法開発における留意点を取り纏めることを目指す。In vitroウイルス試験に関する検討では、ZsGreen発現アデノウイルス (Ad) ベクターをモデルウイルスとして用いて、ウイルスの感染・増殖に伴う細胞障害効果(CPE)を予測するためのAIモデルの作成および検証を行った。はじめに、感染細胞の位相差画像およびZsGreenの蛍光画像を取得し、サイズ調整や画像の分割等の前処理を行い、教師データを作成した。次に、蛍光を指標に感染細胞を識別し、Vision Transformerに学習させ、新たなAIモデルを作成した。位相差画像から感染細胞を判別する試験によりAIモデルを評価し、目的とするAIモデルの作成に適した感染条件および画像取得条件を検討した。また、学習に用いる画像の枚数や感染量の異なる画像等の影響を検証し、AIモデルを最適化した。その結果、作成したAIモデルにより、位相差画像からAdベクターの感染細胞を精度よく判別可能であることが示された。このことから、CPEを誘導するウイルスの感染細胞の検出が可能なAIモデルを確立した。軟寒天コロニー形成を利用した形質転換細胞検出試験においては、AIシステムを応用した画像解析を用いることで形質転換細胞の検出精度を向上させ、試験系全体の質と性能を高めることに取り組んでいる。今回取得した画像においてはコロニーが明瞭だったため、二値化やノイズ処理といった手作業の画像特徴抽出でも多くのコロニーを検出できた。また3次元培養中の細胞に対する蛍光染色法も検討し、あらかじめ全細胞の細胞膜を蛍光標識することで、単なる細胞の凝集体と、実際に分裂・増殖して形成されたコロニーとを識別することを可能にした。本研究により、AI画像解析による細胞加工製品の評価系の性能と限界についての科学的理解が深まることが期待される。