01
試験要件の定義
評価対象、目標エンドポイント、用量範囲を明確化します。
Workflow
8ステップの標準フロー
試験要件からリスクレポートまで、各ステップに入力と成果物を明確に定め、バッチやプロジェクトをまたいだ比較を可能にします。
02
曝露設計
曝露方法、対照群、反復系を設定します。
03
生体血管イメージング
ゼブラフィッシュの心血管・血管網画像を取得します。
04
画像QCの標準化
位置を統一し、高品質な画像データを選別します。
05
AI識別と領域分割
血管領域と主要構造の境界を自動認識します。
06
多次元表現型の特徴抽出
面積、分枝、密度、形態などの指標を抽出します。
07
総合スコアと用量反応
毒性スコアを算出し、用量関連の変化を解析します。
08
リスク分類とレポート出力
リスク等級、結論の提案、可視化レポートを出力します。
データ蓄積
標準化した保存と構造化管理により、高品質な血管毒性データベースを構築します。
モデル更新
継続的な学習と最適化により、認識精度と汎化性能を高めます。
適用拡大
適用シーンと評価対象を拡張し、多エンドポイント・多スケール評価を可能にします。
AI interpretation
AI画像認識とスコアリング
複雑な血管画像情報を数値化します。5つの工程で「画像を見る」を「数値を読む」に変えます。
STEP 01画像認識
血管構造、領域境界、主要な血管ネットワークを自動的に特定します。
STEP 02構造分割
複雑な血管画像を、計算可能な領域・線・ネットワークの対象に変換します。
STEP 03特徴抽出
形態、分枝、密度、長さ、径、領域損傷のパラメータを抽出します。
STEP 04スコア解析
多次元指標の変化を統合し、毒性スコア、リスク分類、優先順位を算出します。
STEP 05データ蓄積
画像データ、表現型パラメータ、用量関係、リスクスコアを蓄積します。
血管スケルトン · ノード · 分枝計測
6つの形態指標から、比較可能な一つのスコアへ
単一指標はノイズに左右されやすく、血管ネットワークの実態は多次元マトリクスでしか捉えられません。すべての指標は同一基準で抽出され、検体間・バッチ間の比較を可能にします。
分枝密度
血管長
分枝点数
径の変化
ネットワーク複雑度
領域損傷
例：単一化合物の総合スコア
0–100
0
/ 100 · 中〜高リスク
低リスク
中リスク
高リスク
Phenomics
なぜ「血管形態フェノミクス」なのか
フェノミクスとは、特定の遺伝子型の個体が一定の環境条件下で示す形質の総体です。血管に当てはめれば、一点ではなくネットワーク全体を見ることを意味します。
指標が本質的に豊富
血管ネットワークは分枝、密度、径、走向、領域差といった多次元情報を含み、定量可能な表現型空間を構成します。
難しさは定量とスループット
血管形態の定量記述は難しく、多くのフェノミクス指標はハイスループットに取得しにくい。まさにそこを AI とハイコンテンツイメージングが解決します。
毒性評価における利点
直感的で高効率、精度・有効性ともに高く、早期段階での大規模スクリーニングと順位付けに適しています。
適用範囲について VasoPT は早期スクリーニングと優先順位付けのツールであり、候補物質間で血管毒性シグナルを迅速に識別するものです。規制要件に基づく正式な非臨床安全性評価を代替するものではありません。具体的なエンドポイント、用量設計、レポート用途は、プロジェクト開始前に双方で合意した計画に従います。