Mapping bioimage-analysis software adoption in microscopy
本研究は、2010年から2025年までの170万件の顕微鏡技術に関する論文を分析することで、ImageJ/Fijiを筆頭とし、QuPathやnapariといった分野特化型ツールの採用増加を伴う画像解析ソフトウェアへの依存度の高まりを明らかにし、引用数が実際の使用実態を過小評価していることが多いことを強調するとともに、再現性を向上させるために研究者がソフトウェアの手法を明示的に引用し報告することを促している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
現代の顕微鏡は単に写真を撮るだけではありません。細胞がどのように動き、分裂し、相互作用するかという秘密を保持する、膨大で多層的なデジタルファイルを生成します。しかし、生の画像は物語の始まりに過ぎません。それらのピクセルを生物学的な知識——細胞がいくつ存在するかを数え、そのサイズを測定し、あるいはその動きを追跡すること——へと変えるためには、科学者はデータを分析するためのコンピュータプログラムを使用しなければなりません。これらのプログラムは、視覚的な情報を数値へと翻訳する道具なのです。どのツールを使うかの選択は極めて重要です。なぜなら、異なるプログラムを使用すると、全く同じ画像からであっても異なる測定結果が生じることがあるからです。もし二つの研究室が同じ生物学的現象を研究していても、使用するソフトウェアが異なれば、細胞の大きさや分裂した回数について異なる結論に達してしまう可能性があります。これは科学における課題となります。もしツールが明確に命名され、記述されていなければ、他の研究者が結果を検証するために実験を再現することができないからです。
長年、科学界はこれらのソフトウェアツールが極めて重要であることを認識してきましたが、現実の世界で実際にどのツールが使われているのかを示す明確な地図を持つ者はいませんでした。情報は、何百万もの研究論文のメソッド（手法）セクションの中に散在し、多くの場合、正式な参照なしに、単に通りすがりに言及される程度でした。この問題を解決するため、ある研究チームは、顕微微鏡のグローバルな文献の中で言及されているソフトウェアを数え、分類することに着手しました。彼らは、2010年から2025年の間に発表された170万本の全文形式の研究論文をスキャンし、30種類の特定のソフトウェアパッケージへの言及を探しました。彼らの目的は、これらのツールの景観が時間の経過とともにどのように変化したか、どれが標準となったか、そして研究者がその使用をどのように報告しているかを確認することでした。
研究者たちは、画像解析ソフトウェアの使用が、顕微鏡に関する論文自体の増加よりもはるかに速いスピードで成長していることを発見しました。2010年には、顕微鏡に関する論文のわずか12パーセントが、彼らが追跡している解析ツールの少なくとも一つに言及していました。2025年までに、その数字は30パーセントに上昇しました。このような使用の爆発的な増加にもかかわらず、この分野は数百もの異なるツールの混沌とした混合状態にはなっていません。むしろ、言及は少数の汎用プラットフォームに強く集中しています。ImageJ/Fijiとして知られる一つのプログラムが、この景観を支配しています。2025年には、すべての全編顕微鏡論文の28パーセントで言及されており、彼らが追跡した解析パッケージの全言及数の82パーセントを占めていました。このことは、新しいツールが登場している一方で、科学界が日常的な作業の大部分において、依然として少数の確立された多用途なプラットフォームに依存していることを示唆しています。
しかし、この研究はまた、専門的なツールが特定の分野で地歩を固めるにつれ、これら古いプラットフォームの支配力が徐々に変化していることも明らかにしました。例えば、QuPathと呼ばれるプログラムは、病理学の分野、特に科学者が疾患を診断するために組織標本を研究する分野において、急速な成長を見せています。同様に、napariと呼ばれるツールは、光よりもはるかに小さな構造を見るために電子ビームを使用する電子顕微鏡を扱う論文で頻繁に言及されています。パターン（細胞の境界など）を学習する方法をコンピュータに学習させるディープラーニングに基づく新しい手法も一般的になりつつあります。しかし、これらの高度な手法でさえ、多くの場合、確立されたプラットフォームと併用されています。研究者たちは、ディープラーニング・ツールであるCellposeに言及している論文は、しばしばImageJ/Fijiにも言及しており、StarDistを使用している論文は、頻繁にImageJ環境内でそれを実行していることを発見しました。これは、科学者が既存のワークフローを完全に放棄するのではなく、新しい強力なアルゴリズムを、使い慣れた既存のワークフローの中に統合していることを示しています。
研究の大部分は、研究者が自身のメソッドをどの程度適切に報告しているかという点に焦点を当てました。これは科学的な信頼性の鍵となる要素です。チームは、多くの論文が、そのソフトウェアを導入した元の論文を引用することなく、ソフトウェアパッケージに言及していることを発見しました。最も人気のあるツールであるImageJ/F𝗶jіの場合、2025年にこれに言及した論文の86パーセントが、そのオリジナルの出版物への引用を含んでいませんでした。このギャップは、QuPathやCellposeのような新しいツールではさらに大きく、引用なしにソフトウェアに言及している論文の割合が急増しています。これは、ソフトウェアが何回引用されているかを単純に数えるだけでは、実際にどれだけの人がそれを使用しているかを過小評価することになる、ということを意味します。さらに、研究者たちはソフトウェアが言及されている文章を監査し、多くの論文が不可欠な詳細を提供できていないことを発見しました。2025年には、ImageJ/Fijiに言及した論文の61パーセント、StarDistに言及した論文の52パーセント、そしてCellposeに言及した論文の36パーセントが、ソフトウェアのバージョン、使用された特定の機能、または適用された設定を指定していませんでした。これらの詳細がなければ、他の科学者が解析が正確にどのように行われたかを知ることは不可能であり、結果の再現性を困難にします。
本研究は、画像解析ソフトウェアを使用する論文の数は増加しているものの、この分野は研究者がその汎用性に対して信頼を置いている少数のコア・プラットフォームによって支えられていると結論付けています。ディープラーニングの台頭は強力な新しい能力をもたらしましたが、これらは既存のワークフローを置き換えるのではなく、そこに織り込まれています。特定された最も差し迫った問題は、ツールの不足ではなく、それらがどのように使用されているかという透明性の欠如です。著者らは、科学が再現性を維持するためには、研究者が使用したソフトウェアの名前を挙げるだけでなく、オリジナルの論文を引用し、バージョン番号を指定し、設定やパラメータを記述しなければならないと主張しています。これらの詳細を可視化することによって、科学界は、現代の顕微鏡技術を駆動するデジタルツールが、顕微鏡そのものと同様に信頼でき、透明なものであることを確実にできるのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。