近年，深層学習を用いた病理画像診断技術が盛んに研究され成果を上げる一方，その判断根拠を示すことが課題となっている．昨年，我々は，病理画像から検出されるSIFT特徴量を判断根拠として，そのがんらしさを情報量を用いて定量化し，がんと疑わしい領域を概ね特定できることを報告した．本研究では，判断根拠の高解像度化をめざして，高密度に検出した特徴量のがんらしさの定量評価を行う．本手法を人工知能病理診断の国際コンペCAMELYON16 のデータおよび，金沢医科大学の臨床データに適用したところ，がん領域・正常領域の判断根拠となる特徴量の分布（密度）に明確な違いがみられ，その境界線はCAMELYON16 のアノテーションに概ね一致している．