＜背景＞　近年、医療画像の診断においてDeep Learningをはじめとする人工知能関連技術が導入されてきているが、その学習には質の高い正解ラベル付きデータが必要である。ラベル付けを行うためには正解となる基準が必要であるが、腎生検の糸球体病理画像には、そのような基準はない。今回我々は、腎生検の糸球体病理画像における所見項目について、定義を明確にした上で医師が所見付けを行い、その一致度を評価した。＜方法＞　PAS染色でつけるべき12種類の糸球体所見項目ならびにその定義を作成した。IgA腎症に限定した所見定義であるOxford分類を参考に、一部所見項目の追加と定義変更を行った。東大病院の腎病理デジタルスライド画像から糸球体画像を抽出し、その中からランダムに選択した100枚の画像を対象とし、５人の専門医が所見付けを行った。所見付けはお互いの所見が見えない状態で行った。所見付け終了後、５人のうちのすべての２人の組み合わせにおける所見一致度をκ係数として算出し、各所見項目における平均値を評価に用いた。＜結果＞　各所見項目においてκ係数の平均値は0.16から0.76まで大きくばらついていた。もともとOxford分類に採用されている所見項目は高い傾向にあり、sclerosisやcellular crescentなどの所見項目はκ係数の平均値は0.4(中等度の一致)を超えていたが、他のmesangiolysisやadhesionなどの所見項目の平均値は低かった。いくつかの所見項目においては、質の高い正解ラベルつきデータを得るには不十分なκ係数であり、所見項目の定義に改善の余地があると考えられた。今後、各所見項目において高い一致率が得られるよう検討が必要である。