CLAUDE.md

このファイルは、Claude Code (claude.ai/code) がこのリポジトリで作業する際のガイダンスを提供します。

プロジェクト概要

脳腫瘍病理画像解析プロジェクトです。WSI（Whole Slide Images）を用いた機械学習・深層学習による病理診断支援システムの開発を目標としています。1,721症例のデータセットを活用し、髄膜腫分類、良悪性判別、グリオーマ分子予測等の研究テーマに取り組みます。

環境構築

このプロジェクトではPythonパッケージ管理に

uv

を使用します：

# 依存パッケージのインストール
uv add <package-name>

# スクリプトの実行
uv run python <script-name>.py

主要データ構造

コアデータセット

```
data/Patho2Diagnosis/
```
: 36,773件の病理診断記録を含むExcelファイル（2017-2024年）
```
data/WSI/
```
: 年度別に整理されたNDPI画像ファイル、1,821症例で13,257枚の画像
```
data/wsi_pathology_dataset.csv/xlsx
```
: WSI画像と診断テキストの両方を持つ1,721症例の統合データセット

データスキーマ

統合データセットの必須カラム：

```
case_id
```
(病理番号): WSIと診断をマッチングする主キー
```
original_diagnosis
```
: 元の病理組織診断（平均106文字）
```
who5_primary
```
: WHO 5th edition準拠の主分類
```
vlm_class
```
: VLM学習用の最終分類ラベル
```
task1_class
```
,
```
task2_class
```
,
```
task3_class
```
: タスク別分類ラベル
```
idh_status
```
,
```
codeletion_1p19q
```
: 分子病理学的マーカー
```
wsi_path
```
,
```
wsi_file_count
```
: WSIメタデータ
```
split
```
: データ分割（train/val/test）

アーキテクチャコンポーネント

データ分析・統合スクリプト

```
analyze_pathology_data.py
```
: 診断テキストデータの基本統計
```
analyze_wsi_files.py
```
: WSIファイル構造と染色種別の分析
```
analyze_diagnosis_breakdown.py
```
: 診断内容の分類分析
```
extract_all_diagnoses.py
```
: 全診断の抽出と分析
```
design_classification_hierarchy.py
```
: 階層的分類システム設計
```
reclassify_with_who_criteria.py
```
: WHO 5th edition基準による再分類
```
create_balanced_vlm_classes.py
```
: VLM学習用最終データセット作成

主要データパターン

WSI症例IDの形式:
```
YY-NNNN
```
（通常）または
```
NXX-NNN
```
（Nプレフィックス）
複数行症例（同じ
```
病理番号
```
）は診断を連結して統合
HE染色は97.5%の症例で利用可能、MIB-1は79%の症例で利用可能
全病理症例のうちWSI画像があるのは約5%のみ

開発ワークフロー

VLM学習用データセット生成

最終的なVLM学習用データセットを生成：

uv run python create_balanced_vlm_classes.py

タスク別データセット

# Task 1: メイン分類（9クラス、1,721症例）
data/task1_major_categories.csv

# Task 2: グリオーマ分子分類（5クラス、243症例）  
data/task2_glioma_molecular.csv

# Task 3: WHO Grade分類（4クラス、764症例）
data/task3_who_grade.csv

データ分析

uv run python analyze_diagnosis_breakdown.py  # 診断内容分析
uv run python extract_all_diagnoses.py        # 全診断抽出
uv run python reclassify_with_who_criteria.py # WHO再分類

重要な制約

データの制限

現在のデータセット: 1,721症例（完全なVLM訓練には不十分）
推奨最小要件: プロダクションモデルには15,000-20,000症例
基本的な診断タスクに限定（良悪性分類で約80%の精度を期待）

ファイル処理

WSI画像は大きなNDPIファイル（gitで追跡しない）
Excelファイルは日本語テキストを含むため適切なエンコーディングが必要
複数行統合ロジックは現在のデータセットで4つのエッジケースを処理

モデル開発戦略

WHO 5th edition準拠分類と階層的学習アプローチ：

推奨実装順序

Task 1 (Major Categories): 9クラス分類（1,721症例）- 最もバランスが良い
Task 3 (WHO Grade): 4クラス分類（764症例）- 補助情報として有用
Task 2 (Glioma Molecular): 5クラス分類（243症例）- 臨床価値最高だが最困難

技術的アプローチ

事前学習済み病理モデルによる転移学習
HE染色画像を中心とした学習（97.5%カバレッジ）
分子病理学的マーカー（IDH, 1p19q）を考慮した分類
WHO 5th edition準拠のグリオーマ分類（87.7%高信頼度）

詳細な開発推奨事項については

vlm_pathology_plan.md

と

wsi_pathology_matching_report.md

を参照してください。