オルガノイドは複雑な三次元の自己組織化細胞培養物であり、臓器様の特徴を示し、ヒト疾患の研究や治療法の開発に強力なプラットフォームを提供します。オルガノイドの発生は動的な形態的および細胞組織化を特徴とし、臓器発生の一部を模倣します。オルガノイド発生中の急速な変化を研究するには、オルガノイド成長の軌跡を正確に監視し、疾患プロセスを調査するための高度なイメージングおよび分析ツールが重要です。
本研究では、多能性幹細胞（iPSC）由来の発生中のスフェロイドのサイズと形状を自動測定するために、コンピュータビジョンと機械学習技術に焦点を当てました。iPSCは通常、オルガノイド培養を生成するための出発材料です。このタスクを容易にするために、汎用基盤モデルであるSegment Anything Model（SAM）と既存のドメイン特化ツールを組み合わせた複合手法を導入しました。この複合手法を、いくつかの既存ツールとともに、オルガノイド画像データでテストし、手動画像セグメンテーションの結果と比較して評価しました。その結果、既存のどのツール単独でも、すべてのテスト条件で十分な精度で画像をセグメンテーションできるものはありませんでしたが、新しく導入された複合手法は、ごく一部の最も困難な画像を除き、すべての画像で一貫した正確な結果を生成しました。
最後に、この手法の精度を、独立したアノテーターによる手動セグメンテーション間の変動（観察者間変動）と比較したところ、ある尺度では観察者間変動のレベルで性能を発揮し、他の尺度ではそれに非常に近い性能を示しました。この自動化手法は、人間のセグメンテーション品質に近づいており、オルガノイド研究の効率と再現性を大幅に向上させる可能性があります。
この研究は、Chase Cartwright、Gongbo Guo、Sai Teja Pusuluri、Christopher N. Mayhew、Mark Hester、Horacio E. Castilloによって行われ、arXiv（arXiv:2605.03053）に掲載されました。研究チームは、さらに困難な画像に対処するために手法を最適化し、他の生物医学画像解析タスクへの応用を探求する予定です。