ImageJを用いた線維化定量ガイド：染色画像解析プロトコル

はじめに：なぜ画像定量（Image Analysis）が必要か

線維症の研究において、ヒドロキシプロリン定量やELISAのような生化学的バルク評価だけでなく、組織形態学的な空間情報の評価が不可欠です。線維化が血管周囲（perivascular）に生じているのか、間質（interstitial）に広がっているのか、あるいは構造改変を伴っているのかは、画像解析によってはじめて定量的に証明できます。

従来の病理評価は半定量スコアリング（0--4点など）に依存し、主観性と再現性の課題を抱えていました。現在では ImageJ（Fiji ディストリビューション） を用いた面積率（Area Fraction, %Area）の算出が、学術論文および前臨床試験報告の両方で標準化されつつあります¹。

本稿では、マッソントリクローム（MT）染色、ピクロシリウスレッド（PSR）染色、免疫組織化学（IHC/DAB）の3種について、ImageJ での具体的な解析プロトコルを解説します。

---

クイックリファレンス：ワークフロー早見表

染色法	色分離手法	閾値対象	推奨自動閾値	出力指標
マッソントリクローム（MT）	Color Deconvolution（Masson Trichrome vector）	青色成分	Huang / Otsu	%Area（コラーゲン面積率）
ピクロシリウスレッド（PSR）明視野	RGB Split → Green channel	赤色成分（反転）	Otsu	%Area
PSR 偏光	8-bit 変換	輝度	Default / Triangle	%Area（複屈折面積率）
IHC / DAB	Color Deconvolution（H DAB vector）	DAB 成分	MaxEntropy / Otsu	%Area（陽性面積率）

ポイント: 同一プロジェクトでは閾値アルゴリズムと設定値を統一し、バイアスを最小化してください。

---

1. ImageJ/Fiji のセットアップと推奨プラグイン

1-1. Fiji のインストール

Fiji（Fiji Is Just ImageJ） は、ImageJ に多数のプラグインを同梱したディストリビューションです¹。公式サイト（https://imagej.net/software/fiji/）からOS に合わせてダウンロード・インストールしてください。

1-2. 推奨プラグイン

プラグイン	用途	同梱状況
Color Deconvolution	染色色素ごとの輝度分離	Fiji 標準同梱
Auto Threshold	複数アルゴリズムの一括比較	Fiji 標準同梱
Bio-Formats	NDPI・SVS 等の whole-slide image 読み込み	Fiji 標準同梱
StarDist / Cellpose	細胞セグメンテーション（高度解析用）	手動追加

1-3. 画像取得時の注意

• ホワイトバランス補正: スキャナーや顕微鏡カメラのホワイトバランスは画像取得段階で統一してください。後処理での補正は定量値にアーティファクトを持ち込みます。
• 解像度の統一: 同一プロジェクト内で倍率・ピクセルサイズを揃えます。Scale bar から Analyze > Set Scale でキャリブレーションを行ってください。
• ファイル形式: 可能であれば非圧縮 TIFF を使用します。JPEG 圧縮はブロックノイズを生じ、Color Deconvolution の精度を下げます。

---

2. プロトコルA：マッソントリクローム（MT）染色の定量

マッソントリクローム染色ではコラーゲン線維が青色（または緑色）、筋線維・細胞質が赤色、核が黒紫色に染まります。RGB のフルカラー画像のまま特定色だけを正確に閾値処理するのは困難なため、Color Deconvolution による色分離が鍵となります²。

Step 1: Color Deconvolution（色分離）

1. 画像を開き、Image > Color > Color Deconvolution を選択します。
2. Vectors プルダウンから 「Masson Trichrome」 を選択します。
   • 独自のスキャン条件で色味が異なる場合は、ROI ツールで青・赤・背景の3領域を指定し、From ROI で独自ベクトルを作成すると精度が向上します。
3. 3枚のグレースケール画像（Colour_1, 2, 3）が生成されます。青色成分（コラーゲン）が黒く抽出された画像のみを残し、他は閉じます。

Step 2: Thresholding（閾値処理）

1. 対象画像を選択し、Image > Adjust > Threshold（Ctrl+Shift+T）を開きます。
2. ヒストグラムを見ながらスライダーを調整し、コラーゲン領域が赤くハイライトされる閾値を設定します。
   • 自動閾値（Huang, Otsu 等）を試し、プロジェクト内で統一アルゴリズムまたは固定数値を適用してください。
3. Apply をクリックし、白黒の二値化画像を得ます。

Step 3: Area Fraction（面積率）の測定

1. Analyze > Set Measurements で「Area」「Area Fraction」「Limit to threshold」にチェックを入れます。
2. Analyze > Measure（Ctrl+M）を実行します。
3. Results ウィンドウに表示される %Area が、画像全体に対するコラーゲン面積率です。

マッソントリクロームとシリウスレッドの比較記事では、各染色法の感度・特異度の違いについて詳しく整理しています。

---

3. プロトコルB：ピクロシリウスレッド（PSR）染色の定量

シリウスレッド染色のプロトコルと原理で解説しているとおり、PSR はコラーゲンを赤色に染色します。明視野と偏光の2つの観察モードそれぞれに適した解析戦略があります。

3-1. 明視野画像の定量（RGB Split）

1. 画像を開き、Image > Color > RGB Split を実行します。
2. 3チャンネルのうち Green チャンネル を選択します（赤い染色は Green チャンネルで最もコントラストが高くなります）。
3. Image > Adjust > Threshold でコラーゲン領域を二値化し、Measure で %Area を算出します。

3-2. 偏光画像の定量

偏光顕微鏡下ではコラーゲンが黒背景に輝く複屈折像を示すため、自動定量に適しています。

1. 画像を開き、Image > Type > 8-bit でグレースケールに変換します。
2. Image > Adjust > Threshold で背景ノイズを除去し、複屈折コラーゲンのみをハイライトします。
3. Measure で %Area を算出します。

3-3. コラーゲンタイプ別の定量（HSB 解析）

Type I コラーゲン（太い線維、赤--黄の偏光）と Type III コラーゲン（細い線維、緑の偏光）を分離定量する場合は以下の手順を用います。

1. 偏光画像を開き、Image > Type > HSB Stack に変換します。
2. Hue チャンネルを選択し、色相範囲で閾値を設定します（例: 赤--黄 = 0--40、緑 = 80--130）。
3. 各色相範囲の %Area を個別に測定します。

PSR染色のトラブルシューティングも参照してください。

---

4. プロトコルC：免疫組織化学（IHC/DAB）の定量

α-SMA、コラーゲンI型、各種マクロファージマーカーなど、DAB 発色（茶色）/ヘマトキシリン対比染色（青色）で染色されたスライドの定量です。

Step 1: Color Deconvolution（H DAB ベクトル）

1. 画像を開き、Image > Color > Color Deconvolution で Vectors に 「H DAB」 を選択します²。
2. 3枚の出力画像のうち、DAB（茶色） に対応するチャンネルを選択します（通常 Colour_2）。

Step 2: 閾値処理と測定

1. DAB チャンネルに対して Threshold を適用し、陽性シグナルを二値化します。
2. Measure で DAB 陽性面積率（%Area）を算出します。

Tip: H-score（染色強度 x 陽性面積）を算出したい場合は、二値化ではなく輝度ヒストグラムを利用して強度カテゴリ（弱・中・強）ごとの面積を個別に測定します。

---

5. マクロ自動化：バッチ処理

数十--数百枚の画像を手作業で解析するのは非効率であり、ヒューマンエラーの原因となります。ImageJ のマクロ機能で自動化しましょう。

5-1. マクロの記録

Plugins > Macros > Record を開き、1枚の画像に対して上記プロトコルの操作を実行すると、IJM スクリプトとして記録されます。

5-2. バッチ処理マクロの例（MT 染色用）

// MT染色 バッチ定量マクロ
inputDir = getDirectory("Input folder");
outputDir = getDirectory("Output folder");
list = getFileList(inputDir);

for (i = 0; i < list.length; i++) {
    if (endsWith(list[i], ".tif") || endsWith(list[i], ".jpg")) {
        open(inputDir + list[i]);
        id = getImageID();
        run("Colour Deconvolution", "vectors=[Masson Trichrome]");
        // 青色チャンネル（Colour_3）を選択
        selectWindow(list[i] + "-(Colour_3)");
        setAutoThreshold("Huang dark");
        run("Set Measurements...",
            "area area_fraction limit redirect=None decimal=3");
        run("Measure");
        close("*");
    }
}
saveAs("Results", outputDir + "MT_quantification.csv");

注意: selectWindow のウィンドウ名は Color Deconvolution のバージョンによって異なる場合があります。Record 機能で実際のウィンドウ名を確認してから組み込んでください。

5-3. 実行方法

Process > Batch > Macro にコードを貼り付けるか、.ijm ファイルとして保存して Plugins > Macros > Run から実行します。

---

6. トラブルシューティング

閾値のばらつき

問題	原因	対策
サンプル間で %Area が大きく変動する	染色濃度のロット間差	同一バッチで染色する。独自ベクトルを From ROI で作成する
自動閾値が一部画像で破綻する	組織量が少ない、空白領域が広い	ROI で組織領域のみを選択してから測定する
コラーゲン以外の構造が陽性に拾われる	血管壁、気泡、組織の折れが混入	手動 ROI で除外するか、マスク画像を作成する

ホワイトバランスの問題

• 撮像時のホワイトバランス不良は Color Deconvolution の分離精度に直結します。
• 対策として、空白領域（ガラスのみの部分）の RGB 値が（220, 220, 220）以上であることを確認してください。
• 事後補正が必要な場合は Process > Subtract Background (Rolling Ball) を検討しますが、定量への影響を事前検証してください。

バッチ効果の管理

• 異なるスキャナーや異なる日に取得した画像は系統的バイアスを含みます。
• 対策: コントロールスライドを各バッチに含め、コントロールの %Area が一定範囲に収まることを検証してから本番データを解析してください。
• 統計解析時にはバッチを共変量として組み込むことも有効です。

---

7. 線維化画像定量の総合的な位置づけ

ImageJ による面積率解析は、線維化評価の総合ガイドで整理している複数の評価アプローチ（スコアリング、生化学、遺伝子発現）のうち、形態学的・空間的な定量データを提供する手法です。ヒドロキシプロリンアッセイによるコラーゲン総量の生化学データと、ImageJ による局在・分布データ（%Area）を組み合わせることで、薬効評価の説得力が大きく高まります。

近年は AI ベースの病理解析（ディープラーニングによるセグメンテーション）も普及しつつありますが、ImageJ/Fiji による解析はオープンソースで再現性が高く、査読者や規制当局が方法論を検証しやすいという利点があり、依然として基盤的な手法です。

---

よくある質問（FAQ）

Q1. IHC %Area と PSR %Area、どちらを第一選択にすべきか？

IHC は α-SMA・コラーゲンI型/III型といった特定分子種を選択的に定量できる一方、PSR は total collagen を染色するため汎用的な線維化面積の第一指標として優れます。薬効のメカニズムが特定タンパクの抑制に依存するなら IHC、総線維化量の変動を追うなら PSR を推奨します。両者は代替ではなく補完関係にあり、前臨床試験では併用が一般的です。手法選定の詳細はMT vs PSR 比較ガイドと線維化定量法の比較フレームワークを参照してください。

Q2. ImageJ %Area と Hydroxyproline アッセイは併用すべきか？

はい、histology（空間情報）+ biochemistry（絶対量）の dual-readout が前臨床線維化試験のベストプラクティスです。両者の相関係数は通常 r = 0.7–0.85 で、不一致の主因は fibrosis の不均一分布にあります（片手法だけでは誤判断するリスク）。CV% は PSR %Area が 15–25%、Hydroxyproline が 5–10% と後者が低く、規制当局への提出データでは両者併記が説得力を増します。詳細は線維化定量法の比較フレームワークで解説しています。

Q3. ImageJ 手動定量から AI 病理解析（QuPath / deep learning）へ移行する判断基準は？

移行の目安は概ね以下の3点です：①スライド数（100枚以上/プロジェクトで AI の投資対効果が出る）、②inter-observer CV（同一スライドを複数人で解析した際の差が15%を超えるなら AI で再現性を担保）、③GLP/規制提出要件（AI は監査対応で追加のバリデーション文書が必要）。ImageJ は検証容易性と透明性で依然優位のため、小規模試験では継続使用が合理的です。詳細はAI 病理解析ガイドを参照してください。

Q4. Ashcroft score と ImageJ %Area は両方必要か？

両者は役割が異なるため、前臨床試験では併用が推奨されます。Ashcroft は病変の分布パターン（局所性・全層性）を半定量化する「構造指標」、ImageJ %Area は連続値としての「量的指標」です。FDA/PMDA 提出データでは、一次エンドポイントに %Area（連続変数で統計検出力が高い）、二次エンドポイントに Ashcroft（臨床病理医が定性判断可）という構成が よく用いられます（提出要件として一律に規定されているわけではなく、領域・薬剤クラスにより構成は異なります）。詳しくはAshcroft score 解釈ガイドも参照してください。

Q5. Masson Trichrome と Picrosirius Red、ImageJ 定量に向くのはどちらか？

PSR の方が定量精度は一般に高いです。理由は：(1) PSR の赤い染色は Green チャンネルとの高コントラストで自動閾値が安定、(2) 偏光観察では背景ノイズが極端に低くなり CV% が 5–10% 改善、(3) MT は青色成分が核・筋線維の微量青色シグナルと混ざり Color Deconvolution の誤分離が発生しやすい — の3点です。一方 MT は多成分同時評価（fibrin、筋、細胞質）が必要な場面で優位です。詳細はMT vs PSR 比較ガイドを参照してください。

Q6. Whole Slide Image (NDPI/SVS) 定量と ROI ベース定量、どちらを採用すべきか？

代表性の観点では WSI が理想です（視野選択バイアスが最小）。ただし ImageJ + Bio-Formats では RAM 依存で1スライド 1–2 GB が実用上限で、大規模サンプルでは処理速度が問題になります。現実解は段階的アプローチ：スクリーニング段階は ROI × 5–10 視野の抽出定量、確証試験は WSI 解析（QuPath や AI 連携が事実上の標準）に切り替える戦略です。WSI を本格運用する段階ではAI 病理解析との連携が現実的です。

---

関連記事

• マッソントリクローム染色プロトコル完全ガイド — MT染色の手順と定量のポイント
• ピクロシリウスレッド染色トラブルシュ��ティング — PSR染色の5大トラブルと解決策
• 多重蛍光免疫染色（Multiplex IF）プロトコル �� 複数マーカーの空間解析が必要な場合の上位手法
• マッソントリクローム vs シリウスレッド比較ガイド — 2手法の原理・定量性・コスト比較
• 線維化評価の総合ガイド — 線維化評価手法の全体像

---

参考文献

1. Schindelin J, et al. Fiji: an open-source platform for biological-image analysis. Nat Methods. 2012;9(7):676-682. (PubMed)

2. Ruifrok AC, Johnston DA. Quantification of histochemical staining by color deconvolution. Anal Quant Cytol Histol. 2001;23(4):291-299. (PubMed)

3. Lattouf R, et al. Picrosirius red staining: a useful tool to appraise collagen networks in normal and pathological tissues. J Histochem Cytochem. 2014;62(10):751-767. (PubMed)

4. Varghese F, et al. IHC Profiler: an open source plugin for the quantitative evaluation and automated scoring of immunohistochemistry images of human tissue samples. PLoS One. 2014;9(5):e96801. (PubMed)

5. Chen Y, et al. Quantification of collagen in liver fibrosis: Sirius Red staining should be a standard method. World J Gastroenterol. 2021;27(30):4952-4968. (PubMed)