病理画像の「奥行き」は1枚から復元できるか — 2026年SCqOBM論文を最小再現

病理画像を見ていると、核や腺管が平面上の色だけでなく、わずかに盛り上がって見えることがあります。人間の視覚が陰影から形を読むなら、照明方向を変えた画像から組織の奥行きを計算できるのではないか——この発想に近い研究は、実際にあります。

2026年3月に発表された SCqOBM(single-capture quantitative oblique back-illumination microscopy)は、厚い生体試料を斜めから照らした1枚の画像をU-Netへ入力し、細胞・組織の定量位相を復元します[1]。さらに同年4月には、qOBMをヒト脳腫瘍の形態評価へ使う研究も公開されました[3]。

ただし、これは通常のH&Eスライド1枚に単眼深度推定をかける話ではありません。撮像時に奥行きの手がかりを光学的に埋め込み、AIで不足情報を補う技術です。本記事ではその違いを整理し、公開情報だけで再現できる最小実験を行います。

結論 — 発想は存在するが「影から高さ」ではない

今回調べた一次資料の範囲では、通常のH&E全スライド画像1枚から、見た目の陰影だけを使って物理的な高さを復元する病理研究は確認できませんでした。これは不思議ではありません。標準病理では組織を数µmの薄片にし、明視野の透過照明で撮影します。自然物の表面写真にあるような、光源・表面・カメラの幾何関係が残りにくいからです。

一方、「病理の奥行き」には少なくとも3種類あります。

対象	得られるもの	代表的な方法
見た目の立体感	陰影による凹凸の知覚	斜め照明、DICなど
光学的な内部構造	光路長・屈折率に対応する定量位相	qOBM / SCqOBM
組織全体の3D形状	z方向に積んだボリューム	光シート、連続切片の位置合わせ

SCqOBMが復元する中心量は2番目の定量位相です。画素の高さそのものではなく、光が組織内部を通る際に受けた位相遅れを表します。z位置を変えて断層像を重ねれば、3D屈折率トモグラフィーにもできます。したがって、人間のshape-from-shadingに似た入口を持ちつつ、測っている物理量は別物です。

SCqOBMは1枚から何を復元するのか

従来のqOBMでは、対物レンズの周囲に90度間隔で4つのLEDを配置します。向かい合う照明画像を引き算すると、x方向とy方向の2枚の微分位相コントラスト(DPC)が得られます。それを光学伝達関数でTikhonov正則化デコンボリューションし、定量位相へ戻します。

2026年のSCqOBMは、この4枚を1枚へ減らしました。1方向の生画像を敵対的学習したU-Netへ入れ、4枚方式の復元像を教師として直接予測します[1]。論文では256×256画素のパッチ約12万枚を学習、約2万枚をテストに使い、60倍・NA 0.7の条件で学習しています。推論は論文のGPU環境で2048×2048画素あたり3.5ms、単一断面で最大2kHz、3Dでは最大毎秒10ボリュームと報告されています。

臍帯血データで、1枚方式はMSE 0.0036・SSIM 0.77、直交する2枚方式はMSE 0.0018・SSIM 0.89でした。より複雑なラット脳でも1枚方式の平均SSIMは0.80です。ただし論文自身が、照明方向と直交する狭い空間周波数帯の構造情報は定量的に欠けると記しています。筋線維や密なコラーゲンのように方向がそろった組織では、2方向以上の撮影が適切という整理です[1]。

Pythonで4方向と1方向を最小再現する

原著のCode availability欄はGitHubを案内していますが、2026年7月21日の確認時点ではリンク先が404でした。また、ヒト脳腫瘍の別研究には画像・コードの6.3GBアーカイブがありますが[4]、SCqOBMの学習済み重みと対応する生画像・教師画像の組は確認できませんでした。このため、臨床結果の完全追試ではなく、観測原理の数値実験に範囲を限定します。

実験では、楕円形の核、腺管状リング、横方向に長い組織を持つ合成位相画像を作ります。弱位相近似として、4方向の撮影を次のように単純化しました。

I(+x) = 1 + c × ∂φ/∂x + noise
I(-x) = 1 - c × ∂φ/∂x + noise
I(+y) = 1 + c × ∂φ/∂y + noise
I(-y) = 1 - c × ∂φ/∂y + noise

対向する画像からx・yの勾配を求め、フーリエ領域の正則化最小二乗法で位相 φ を積分します。1枚方式の比較対象では I(+x) だけからx勾配を推定し、学習モデルは使いません。コードは実行可能なPythonファイルとrequirementsから取得できます。

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r scqobm-requirements.txt
python scqobm-minimum-reproduction.py --output-dir scqobm-output

実験結果 — 1方向には見えない構造がある

デフォルト設定の実行結果は次の通りです。数値は同じ乱数シードで再現できます。

復元方法	正規化RMSE	Pearson相関	照明直交方向の断面相関
4方向の物理復元	0.0037	0.9996	0.9998
1方向の物理ベースライン	0.1007	0.6560	0.0000

4方向ではx・y両方の勾配が観測でき、元の位相をほぼ復元できました。1方向では核の左右エッジは見えますが、横長の帯は復元できません。x方向に一定でy方向だけ変化する構造は ∂φ/∂x = 0 となり、入力画像へ情報が現れないためです。

SCqOBMのU-Netは、典型的な細胞・組織形状を学習することでこの欠損をかなり補います。しかしそれは「見えなかった真値を測った」のではなく、観測された勾配と学習済み事前分布から推定したという意味です。今回の合成実験は原著モデルとの性能比較ではありませんが、原著が報告した方向依存の欠落がなぜ起こるかを切り分けられました。

病理診断へつながる現在地

qOBMは単なる立体表示の研究ではありません。2023年には、新鮮な厚い組織のqOBM像をCycleGANで仮想H&Eへ変換し、ヒト神経膠腫を含む試料で病理医評価まで行う研究が発表されています[2]。2026年のヒト脳腫瘍研究では、qOBMから得た核形状・密度などの特徴を使い、高悪性度と低悪性度の神経膠腫を症例単位のleave-one-outで86.6%の平均精度で分類しました[3]。ただし患者数が限られた探索的研究であり、この値だけで診断性能を判断はできません。

別ルートの3D病理も進んでいます。RAPIDは通常の複数H&EスライドをDINOv2特徴で位置合わせし、疎な切片からギガピクセル3D再構成を行います[5]。TriPathは光シート顕微鏡やmicro-CTで撮った3D組織を弱教師あり学習で解析します[6]。前者は既存スライドを生かせる一方で切片間を直接観測できず、後者とqOBMは厚い試料を直接見られる一方で専用撮像系が必要です。

病理画像AIを試す出発点としてはMONAIによる医用画像分類、臨床導入時の規制との境界はSaMD入門も参照してください。

まとめ

• 斜め照明から病理組織の内部構造を復元する研究は存在し、2026年のSCqOBMは1枚撮影まで削減した
• 復元対象は単純な表面高さではなく、光路長・屈折率に関係する定量位相である
• 最小再現では4方向復元の相関0.9996に対し、1方向の物理ベースラインは0.6560だった
• 1方向だけでは直交方向の構造が原理的に欠け、AIは組織形状の事前分布から不足を推定する
• 通常のH&E画像1枚へ自然画像用の深度推定を適用しても、物理的3Dの根拠にはならない
• 臨床的な価値を検証するには、装置・生画像・教師となる4方向復元・外部症例をそろえた追試が必要

次に進めるなら、公開されたqOBM脳腫瘍データ[4]を用い、方向性の強い組織で特徴量と分類結果がどれほど安定するかを検証するのが妥当です。