多周波数インピーダンス細胞計測|機械学習による血液細胞分化の識別性能と手法

bioRxiv(プレプリント)
概要
多周波数マイクロ流体インピーダンス細胞計測を用いて、血液細胞の多段階的な分化を識別するシステムが開発されました。機械学習を導入したこのプラットフォームは、最小F1スコア0.92という高い精度で細胞を分類し、偽陰性と偽陽性の両方を最小限に抑えています。電気的特性と機械的特性を同時に測定するマルチモーダルなアプローチにより、医療診断における細胞識別の精度向上が期待されます。
詳細

主要成果

研究チームは、電気的特性と機械的特性を同時に測定できるマルチモーダルな多周波数マイクロ流体インピーダンス細胞計測システムを開発しました。このシステムに機械学習ワークフローを統合することで、血液細胞の高度な分化識別を実現しています。性能評価において、細胞分類の最小F1スコアは0.92を記録しており、医療診断において極めて重要となる偽陰性と偽陽性の両方を最小限に抑えることに成功しました。

技術・詳細

本システムは、800 kHzから8 MHzという広範な周波数範囲で動作します。技術的な特徴として、以下の2点を統合した構成となっています。

  • 機械的特性の測定: チャンネル内に収縮部(constriction)を設けることで、細胞の機械的な特性を解析することが可能です。
  • 電気的特性の測定: 複数のマイクロ電極を統合し、細胞が通過するさまざまな段階における電場情報をキャプチャします。

データ解析においては、生のインピーダンス信号から抽出された70以上の特徴量を用い、機械学習による分類を行っています。このワークフローにより、新しいサンプルにおける細胞の分類だけでなく、識別において特に重要となる上位5つのパラメータを特定することが可能です。また、好中球と末梢血単核細胞(PBMC)の混合サンプルにおいて、2つの集団が存在することを識別することにも成功しています。

背景・業界の文脈

血液細胞の正確な分化識別は、疾患の診断や病態の把握において不可欠です。従来の計測手法では単一の指標に頼ることが多かったのに対し、本研究のように電気的特性と機械的特性という異なるモダリティを組み合わせ、さらに機械学習による多次元的な解析を行うことで、より精緻な細胞分化の判定が可能になります。

今後の展望

本プラットフォームは、広範な周波数帯域での計測と機械学習による特徴量抽出を組み合わせることで、高い識別精度を実現しました。今後は、抽出された多数の特徴量の中から、どのパラメータが細胞の識別に最も寄与しているかを明確にすることで、より効率的な診断プロセスの構築に寄与すると考えられます。

元記事: https://doi.org/10.64898/2026.11.12.766153

毎週の技術動向レポートを無料でお届け

各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。

📢 メールマガジンに無料登録(週刊・技術動向レポート)

ご登録いただくと、Troy-Technical から週刊で技術動向レポート(メールマガジン)をお届けします。

  • 取得したメールアドレス・選択分野は配信目的にのみ使用します。
  • 第三者へ提供することはありません。
  • 配信はいつでも解除できます(各メール下部のリンクから)。

詳しくはプライバシーポリシーをご覧ください。

登録は1分・いつでも解除できます

この記事は Troy-Technical が公開しています。素材メーカーで技術開発に携わってきた技術者が、個人で運営しているサイトです。
運営者について / お問い合わせ info@troy-technical.jp
よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

目次