AIとがん研究 ── 乳がん ── 2026-09-30


乳がんの治療・治験とAI
- Artificial intelligence-based tumour infiltrating lymphocyte quantification in patients with triple-negative breast cancer: an independent validation study.抄録(全訳)
背景:腫瘍浸潤リンパ球(TIL)は、トリプルネガティブ乳がんで信頼できる予後マーカーである。人工知能(AI)で TIL を評価する計算ツールを使えば、作業を効率化できる可能性がある。ただし、臨床転帰と照らし合わせた独立の検証が必要である。この研究の目的は、AI 由来の TIL スコアと病理医による TIL スコアで、予後予測能を比べることである。データには、無作為化比較試験を統合した、前向きに収集した大規模なデータセットを用いた。
方法:CATALINA は、独立した外部検証研究である。多施設で行われた 7 件の無作為化臨床試験から、長期の臨床転帰データを統合して用いた。これらは前向きに収集した長期の臨床転帰データである。 既に検証済みの AI パイプライン 2 種類を、独立に評価した。これら 2 つのパイプラインからは、計算で評価した腫瘍浸潤リンパ球(cTIL)のスコアが計 5 種類得られる。評価では、固定したモデルを盲検下で独立に運用した。 相関の評価には、早期のトリプルネガティブ乳がんまたは HER2 陽性乳がんの患者コホートを用いた。対象は、ヘマトキシリン・エオジン(HE)染色の全スライド画像をデジタル化した 220 枚である。これらの画像は、TIL の再現性研究で、訓練を受けた病理医が既にスコア付けしていた。cTIL スコアと、病理医による間質 TIL(sTIL)スコアの平均との相関を調べた。 予後予測能は、別のコホートで評価した。早期トリプルネガティブ乳がんの患者を、前向きの無作為化術後補助療法試験 7 件から統合したコホートである。cTIL スコア・sTIL スコアと転帰との関連は、多変量 Cox 回帰モデルで調べた。モデルは臨床病理学的因子と試験間の異質性で調整した。評価した転帰は、無浸潤疾患生存期間、遠隔無病生存期間、全生存期間である。5 年時点の識別能は、時間依存性の受信者動作特性曲線下面積(AUC)で推定した。
結果:1759 例の個別データを集めた。このうち 1356 例で、臨床病理学的データ、病理医の sTIL スコア、cTIL スコアがすべてそろっていた。cTIL スコアと病理医の sTIL スコア平均との相関は、中程度にとどまった(r 0.375〜0.473)。 sTIL と cTIL は、臨床病理学的因子で調整した後も、それぞれ独立して転帰と関連した。評価した転帰は、5 年時点の無浸潤疾患生存期間、遠隔無病生存期間、全生存期間である。ハザード比は次のとおりである。 - sTIL スコア:無浸潤疾患生存期間 0.73(95% 信頼区間 0.66〜0.82、q < 0.0001)、遠隔無病生存期間 0.70(95% 信頼区間 0.61〜0.79、q < 0.0001)、全生存期間 0.72(95% 信頼区間 0.63〜0.82、q < 0.0001)5 年 AUC は、sTIL スコアと cTIL スコアのいずれを加えても、臨床病理学的変数だけのときより改善した。一方、臨床病理学的変数と sTIL スコアに cTIL スコアを加えても、AUC はそれ以上有意には改善しなかった。 解釈2 つの cTIL モデルは、再学習も修正もせずにそのまま運用した。それでも、統計学的に有意な予後情報が得られた。リスクの識別能も、臨床病理学的変数だけのときより改善した。 臨床病理学的変数と sTIL スコアを組み合わせたモデルに比べると、cTIL スコアによる予後予測の上積みはなかった。それでもこの結果は、再現性のある予後バイオマーカーとして cTIL を使うことを支持する。病理医による評価を日常的・広範に行えない場面では、とくにそうである。 研究資金
書誌:Dixon-Douglas JR, Drubay D, Salgado R, Acs B, van der Laak J, Yuan Y, et al. Artificial intelligence-based tumour infiltrating lymphocyte quantification in patients with triple-negative breast cancer: an independent validation study. Lancet Oncol. 2026 Sep;27(9):1181-92. doi:10.1016/s1470-2045(26)00339-6. PMID: 42636839.確認の範囲:抄録のみ確認 - Manual, digital, and AI tumour-infiltrating lymphocyte scoring: a secondary analysis of the APHINITY randomised trial.抄録(全訳)
背景:間質の腫瘍浸潤リンパ球(sTIL)は、早期 HER2 陽性乳がんで予後と関連する。しかし、HER2 の二重阻害を行う場合の役割は、まだ分かっていない。第 3 相試験 APHINITY の腫瘍検体を用いて、sTIL の定量法を評価した。評価したのは、手作業、デジタル、人工知能(AI)による定量と、AI 由来の空間指標である。予後と治療効果の層別化に使えるかどうかを調べた。
方法:APHINITY 試験では、4805 例を 2 群に無作為に割り付けた。化学療法+トラスツズマブ+ペルツズマブの群と、化学療法+トラスツズマブ+プラセボの群である。追跡期間の中央値は 74.1 か月(四分位範囲 68.3〜75.4)だった。 ヘマトキシリン・エオジン染色画像 4262 枚を、次の方法で解析した。 - 手作業による評価 - 自動化したデジタル手法 - AI によるリンパ球の定量(AI percentage lymphocytes) - AI 由来の 2 つの空間特徴(AI-TIL と immune hotspot) 評価者間の再現性は、無作為に選んだ 262 検体で調べた。5 人の病理医が、それぞれ独立にスコア付けした。 TIL レベルと転帰との関連は、多変量 Cox モデルで評価した。転帰は、無浸潤疾患生存期間(APHINITY の主要評価項目)、無遠隔再発期間、全生存期間である。ペルツズマブの効果のばらつき(異質性)は、3 つの方法で評価した。サブグループ解析、サブ集団治療効果パターンプロット解析、治療とバイオマーカーの交互作用項を含む入れ子の Cox モデルである。
結果:手作業のスコアリングは、評価者間の再現性が高かった(級内相関係数 0.84、95% 信頼区間 0.79〜0.88)。手作業と自動化手法の一致は、中程度にとどまった。 AI によるスコアリング(AI percentage lymphocytes)では、リンパ節転移陽性の 1035 例のうち 120 例(11.6%)が再分類された。これは、手作業の評価では免疫低値とされ、AI によって免疫高値に再分類された腫瘍である。このサブグループでは、5 年無浸潤疾患生存期間の曲線が、ペルツズマブ群とプラセボ群でより大きく離れた。比較の相手は、手作業と AI のどちらでも免疫低値とされた患者である。 TIL が多いほど、無浸潤疾患生存期間は良好だった。これは、どの sTIL 測定法と空間指標でも同じだった(ハザード比 0.41〜0.93)。sTIL が高いと、どの測定法でも、ペルツズマブで無浸潤疾患生存期間が改善した(ハザード比 0.36〜0.48)。ただし、空間指標が高い場合には、この関連はみられなかった。 6 年時点でペルツズマブによる絶対改善が最も大きかったのは、リンパ節転移陽性の患者である。そのうち、手作業の sTIL スコアが最も高い区分(70.0% 以上)の患者だった(平均絶対改善 12.1 パーセントポイント、標準偏差 2.8)。 入れ子の予後モデルと予測モデルでは、AI による immune hotspot スコアが最も一貫して追加の情報を与えた。どの sTIL 測定と組み合わせても同様だった(すべて p < 0.010)。
解釈:標準化した手作業の sTIL スコアリングは、再現性があった。デジタルと AI の手法は、手法間の相関が中程度にとどまった。それでも、予後の層別化は一貫していた。治療効果を層別化できる可能性もみられた。 AI の空間指標は、sTIL の密度以外の補完的な情報を与えた。より大規模に免疫評価を行う助けになりうる。今後、独立したコホートでこれらの手法を検証する研究が必要である。現在の HER2 標的療法で患者を層別化する際に、臨床的にどう役立つかも明らかにする必要がある。
研究資金:なし
書誌:Lara González LE, Giudici F, Salgado R, Yan H, Rojo F, Comerma L, et al. Manual, digital, and AI tumour-infiltrating lymphocyte scoring: a secondary analysis of the APHINITY randomised trial. Lancet Oncol. 2026 Sep;27(9):1168-80. doi:10.1016/s1470-2045(26)00247-0. PMID: 42636838.確認の範囲:抄録のみ確認 - Prognostic RNA-splicing archetypes in breast cancer identified by extended pre-training of histopathology foundation models.抄録(全訳)
近年、病理組織基盤モデル(hFM)は規模と複雑性の面で急速に進展し、癌診断およびバイオマーカー探索において優れた性能を達成している。本研究では、事前学習済みのhFMを浸潤性腫瘍組織に特化させ、3つの主要な貢献を提示する。第一に、hFM表現に符号化されている生物学的概念を、複数の生物学的スケールにわたって系統的に評価する。第二に、情報に基づく拡張事前学習が汎用モデルを、より豊かな意味情報を符号化する腫瘍特化型モデルへと変換し、患者間で一貫した形態学的・分子的同一性をもつ反復的な腫瘍アーキタイプの発見を可能にすることを示す。第三に、腫瘍内で共存し、HER2陽性およびトリプルネガティブ乳癌を含む多様な上皮性癌にわたって反復して認められる、異常な遺伝子発現プログラムを伴う優勢な腫瘍アーキタイプを同定する。重要なことに、これらのアーキタイプは予後的価値を示し、RNAスプライシングに関連するアーキタイプは一貫してより不良なアウトカムを予測した。本研究は、腫瘍特化型hFMが日常的なH&Eスライドから豊富な分子的・形態学的情報を引き出し、生物学的発見と患者層別化のための計算効率が高く生物学的知見に基づいた解決策を提供することを示している。
書誌:Fournier L, Haefliger G, Vernhes A, Jung V, Loye L, Du Bois V, et al. Prognostic RNA-splicing archetypes in breast cancer identified by extended pre-training of histopathology foundation models. Nat Commun. 2026 Jul 7;17(1):8470. doi:10.1038/s41467-026-75217-z. PMID: 42414307; PMCID: PMC13478289.確認の範囲:全文を確認