FiTTEは臨床現場の課題に則した、不妊治療に関する２つの機能（システム）を有しています。

不妊治療をめぐる概況

国内において出生児の数は減少しているにもかかわらず、技術の進歩や晩婚化に伴い、体外受精・顕微授精・卵子や胚の凍結保存・新鮮胚移植・凍結胚移植等の技術を用いた生殖補助医療(ART)を用いた出生児の数は増加しており、2018年時点で新生児16人に1人はARTにより誕生しています。(下図)

本システムは、MDS(骨髄異形成症候群)おける診断上の課題を解決します。

臨床現場の課題

MDS(骨髄異形成症候群)は骨髄中の造血幹細胞に異常が起き、正常な血液細胞が造られなくなる病気です。

正常な血液細胞が減少することで、貧血、出血傾向、感染に伴う発熱などの症状が現れます。成熟した細胞になる途中で血液細胞が壊れてしまう「無効造血」や、造られた血液細胞の形が異常になる「異形成」といった特徴が認められます。

また、一部の患者さんでは、MDSが進行し「急性白血病」に移行することがあります。

MDSの診断においては、技師が骨髄スメア画像を観察し、血球細胞をそれぞれの形態学的特徴により分類し、統計処理した報告書が利用されています。

しかし、患者あたりスメア画像の約500箇所の観察が必要で、分類対象となる細胞種も30種超と技師負担が非常に大きいことに加え、判定精度も経験に依存していました。

当社のTechnology

技師による血球細胞分類・計数を迅速化するため、当社では骨髄スメアを撮像した画像を入力し、血球細胞を自動的に検出・分類し、加えて計数する機能を持つ領域抽出AIを開発しました。（※当該プログラムは、疾病の診断、治療、予防を目的としていません）

京都大学医学部附属病院の医師および技師がラべリングした血球細胞を教師データ(約百症例・数万枚の画像)として、血球細胞の形態学的特徴を領域抽出AIに学習させました。

クラウドに配置した領域抽出AIモデルと連携したSaaSシステムであるため、遠隔の医師との相談や、病院内でも離れている医師と技師間で効率よく情報共有することが可能です。

領域抽出AIが出力した結果を技師が補正できる機能も開発中です。

本システムは、悪性血液疾患などに対する造血幹細胞移植に際し、ドナーとレシピエントの組み合わせにおける治療上の課題を解決します。

臨床現場の課題

悪性血液疾患などに対する造血幹細胞移植に際し、ドナーとレシピエントの組み合わせによっては、GVHD（graft-versus-host disease：移植片対宿主病）といった重篤な副作用等が発生してしまいます。

しかし、骨髄ドナーや臍帯血ドナー、末梢血ドナーに関する情報は膨大で、最良な組み合わせを選択するには長い臨床経験が必要で、予後予測を行うことは難しいものであり、臨床経験年数によっては最良の移植ソースの選択に困ってしまう場合も少なくありませんでした。

当社のTechnology

臍帯血バンクや骨髄バンク等の移植ドナーの情報とレシピエントである患者のデータや前処置情報から、個々のドナー候補に応じた予後のシミュレーションを実施する事で、最適なドナー候補の選択を可能とするコンパニオン診断システムを開発しました。

京都大学グループ病院約2,500症例を対象とした時系列を考慮した機械学習モデルを構築しており、既存手法であるCOX比例ハザードモデルと比較して、1年後のGRFS(再発、副作用の無い生存状態)予測において、精度改善を達成しています。