염증성 장 질환의 대장 조직에서 디지털 병리 기법을 활용한 컨볼루션 신경망 기반의 딥 러닝 기법으로 CD3 양성세포의 계측병리 연구 = A Study on the Instrumentation Pathology of CD3 Positive Cells with a deep learning(DL) Techniques Based on Convolutional Neural Network(CNN) Using Digital Pathology(DP) in Colorectal Tissue of Inflammatory Bowel Disease(IBD)

국문 초록 (Abstract)

염증성 장 질환은 크론병과 궤양성 대장염을 포함하는 만성 염증성 질환으로, 장 내 미생물과 면역 반응의 복합적 상호작용에 의해 발생한다. 상피내 림프구는 장의 면역 균형을 유지하는 중요한 역할을 하며, CD3 양성 T 세포는 CD3 면역조직화학 염색으로 더 효과적으로 시각화할 수 있고 CD3 발현 수준은 면역 치료의 반응성을 평가하는데 중요한 바이오마커로 활용될 수 있다. 디지털 병리학은 유리 슬라이드를 디지털화하여 모니터를 통해 관찰, 해석, 분석하고 보관하는 체계로 이미지 분석의 정밀성을 높이며 질병의 조기 발견과 진단 정확성을 향상시킬 수 있는 접근법이다. 본 연구는 염증성 장 질환 환자의 대장 조직에서 디지털 병리 기법을 활용한 컨볼루션 신경망 아키텍처를 기반으로한 딥 러닝 기법으로 대장 조직에서 CD3 염색을 통해 T세포의 분포와 활성 상태를 분석하고, 이를 다변량 분석 기법으로 질병 상태와의 상관관계를 종합적으로 평가하였다. 오픈소스 소프트웨어를 사용하여 관심 영역을 설정하고 최상의 결과를 위한 임계값과 여러 매개변수를 도출하여 세포 검출 알고리즘을 실행하였다. 세포 검출 매개변수는 이미지 검출로 광학 합계로 도출하였으며, 감지된 세포에서 3,3′-디 아미노벤지딘 염색의 광학 밀도의 여러 지표를 활용하여 CD3 발현의 강도와 변동성을 평가하였다. QuPath 소프트웨어를 활용하여 CD3 양성 세포 46,168개와 음성 세포 46,794개를 검출한 후, 각 세포의 3,3′-디아미노벤지딘 염색의 강도를 분석하였다. 3,3′-디아미노벤지딘 염색의 최대 항원 발현 분석 결과 CD3 양성 세포에서 0.916 ± 0.364, CD3 음성 세포에서 0.186 ± 0.098로 도출되어 유의한 차이를 보였으며 (p < 0.0001), 이는 γδ 상피내 림프구가 대장염 발병에서 보호 역할을 하며 점막 항상성 유지에 기여한다는 기존 보고 내용과 일치하며, γδ T 세포가 면역 조절에 중요한 역할을 할 가능성을 시사한다. 3,3′-디아미노벤지딘 염색의 최저 항원 발현 분석 결과 CD3 양성 세포는 0.073 ± 0.076, CD3 음성 세포는 0.007 ± 0.021로 도 출되어 면역 활성도가 낮은 세포 간에도 유의한 차이를 보였다(p < 0.0001). 3,3′- 디아미노벤지딘 염색의 평균값 분석 결과 CD3 양성 세포는 0.37 ± 0.176, CD3 음성 세포는 0.075 ± 0.030으로 도출되었으며, 세포의 크기 분석 결과 CD3 양성 세포의 평균 면적은 438.9 ± 28.27, CD3 음성 세포는 45.36 ± 29.53으로 유의한 차이를 보였다(p < 0.0001). 이러한 결과는 활성화된 염증성 장 질환과 같은 만성 염증 질환에서 세포 면적이 커지고, 세포 면적 증가가 면역 세포의 활성화 및 염증 반응의 강도를 반영하며, 질병의 진행 상태와의 상관관계를 평가하는데 유용한 지표임을 시사한다. 본 연구는 디지털 병리학과 인공지능을 활용하여 컨볼루션 신경망 아키텍처를 기반으로 한 딥러닝 모델을 통해 대장 조직의 전체 슬라이드 이미지에서 CD3를 분석한 최초의 방법으로, 모든 연구 결과는 CD3 양성 세포는 양성으로, CD3 음성 세포는 음성으로 일관되게 판독하였다. 따라서 대규모 이미지 데이터셋에서 신속하고 일관된 분석이 가능하며, 복잡한 형태의 패턴과 차이를 정량적으로 평가하는데 유용한 것으로 나타났다. 이러한 접근법은 향후 염증성 장 질환의 진단, 치료 전략 수립, 치료 반응 모니터링에 중요한 기초 자료를 제공할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Inflammatory bowel disease, including Crohn's disease and ulcerative colitis, is a chronic inflammatory disorder caused by the complex interplay of immune responses with intestinal microorganisms. Intraepithelial lymphocytes play a critical role in maintaining intestinal immune balance. CD3-positive T cells can be more effectively visualized using CD3 immunohistochemical staining, and CD3 expression levels serve as key biomarkers for evaluating immunotherapy responsiveness. Digital pathology, a system that digitizes glass slides for observation, interpretation, analysis, and storage on a monitor, enhances the precision of image analysis and improves early disease detection and diagnostic accuracy. This study employed a deep learning technique based on a convolutional neural network architecture to analyze the distribution and activation of T cells through CD3 staining in the colon
tissues of IBD patients using digital pathology. The correlation with disease status was comprehensively evaluated using multivariate analysis. Using open-source software, regions of interest were defined, and thresholds and parameters were optimized to achieve the best results. Cell detection parameters were derived as optical sums from image analysis, and the intensity and variability of CD3 expression were assessed using several optical density metrics of 3,3′-diaminobenzidine staining. QuPath software identified 46,168 CD3-positive cells
and 46,794 CD3-negative cells, and the intensity of DAB staining was analyzed. Maximum antigen expression showed a significant difference between CD3-positive cells (0.916 ± 0.364) and CD3-negative cells (0.186 ± 0.098) (p < 0.0001), consistent with previous findings that γδ intraepithelial lymphocytes play a protective role in colitis and contribute to mucosal homeostasis. This supports the potential role of γδ T cells in immune regulation. Minimum antigen expression also showed a significant difference between CD3-positive (0.073 ± 0.076) and CD3-negative cells (0.007 ± 0.021) (p < 0.0001), even among cells with low immune activity. Mean antigen expression was significantly higher in CD3-positive cells (0.37 ± 0.176) compared to CD3-negative cells (0.075 ± 0.030), and cell size analysis revealed that CD3-positive cells (438.9 ± 28.27) were significantly larger than CD3-negative cells (45.36 ± 29.53) (p < 0.0001). These findings indicate that increased cell size in chronic inflammatory diseases such as IBD reflects immune cell activation and the intensity of the inflammatory response, serving as a useful indicator for evaluating disease progression. This study is the first to analyze CD3 in whole-slide images of colon tissues using a deep learning model based on convolutional neural network architecture combined with digital pathology and artificial intelligence. The results consistently identified CD3-positive cells as positive and CD3-negative cells as negative, enabling rapid and consistent analysis of large image datasets. This approach proves useful for quantitatively evaluating complex patterns and differences and is expected to provide valuable data for IBD diagnosis, treatment strategy development, and treatment response monitoring.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구 배경 1
• 1. 염증성 장 질환의 개념 1
• 가. 염증성 장 질환의 역학 및 병인 1
• 나. 염증성 장질의 병리학적 특징 1
• 다. 염증성 장 질환의 상피내 림프구 2
• 라. 염증성 장 질환에서의 CD3 3
• 2. 디지털 병리학의 개념 4
• 가. 조직학적 측면에서의 병리학 4
• 나. 전통적인 병리과의 업무 흐름 5
• 다. 디지털 병리학의 개념 6
• 라. 전체 슬라이드 이미지 7
• 마. 디지털병리의 도입 현황 8
• 3. 인공지능 11
• 가. 인공지능의 개념 11
• 나. 딥 러닝 11
• 다. 컨볼루션 신경망 14
• 4. 연구 목적 17
• 제2장 본 론 18
• 제1절 재료 및 방법 18
• 1. 염증성 장 질환 데이터 세트 18
• 2. 사용한 인공지능 프로그램 20
• 3. 데이터 및 통계 분석 20
• 제2절 실험 결과 21
• 1. 디지털 병리 계측 결과 21
• 가. 세포 검출을 위한 매개변수 도출 결과 21
• 나. CD3 양성 세포 검출을 위한 매개변수 도출 결과 26
• 2. 디지털 병리 분석 결과 31
• 가. 3,3′-디아미노 벤지딘 염색의 최대 항원 발현 분석 31
• 나. 3,3′-디아미노 벤지딘 염색의 최저 항원 발현 분석 33
• 다. 3,3′-디아미노 벤지딘 염색의 평균값 분석 35
• 라. 세포의 크기 분석 37
• 제3장 결 론 및 고찰 39
• 참 고 문 헌 43
• ABSTRACT 52