AIとがん研究 ── 子宮体がん ── 2026-10-03

対象誌と選び方は索引の頁に

子宮体がんの治療・治験とAI

• マルチパラメトリックMRIのハビタット・ラジオミクスとVision Transformerを統合し、子宮体がんのp53状態を術前に予測する
  Multiparametric MRI-based habitat radiomics integrated with a vision transformer for preoperative prediction of p53 status in endometrial cancer
  Cancer Imaging · 2026-10-01 · 証拠の段階: 後ろ向きの観察研究（3施設、外部検証あり）
  抄録（全訳）

  本研究の目的は二つある。一つは、子宮体がん（EC）のp53状態を術前に予測する融合モデルを開発することである。このモデルは、マルチパラメトリックMRIのハビタット・ラジオミクスとVision Transformer（ViT）を統合する。もう一つは、このモデルに予後との関連があるかを探ることである。

  3施設の子宮体がん患者1,230例を後ろ向きに解析した。患者は、訓練コホート（n = 447）、内部検証コホート（n = 192）、二つの外部検証コホート（n = 246、345）に割り付けた。腫瘍領域とハビタット領域からラジオミクス特徴量を抽出した。深層学習（DL）特徴量はViTモデルで抽出した。臨床・ラジオミクス・ハビタット・ViT・融合の各モデルは、サポートベクターマシンのアルゴリズムで構築した。解釈性は、SHapley Additive Explanations（SHAP）解析で高めた。さらに、無増悪生存期間（PFS）に対する予後予測の価値を評価した。

  p53異常（p53abn）の免疫表現型は232例（18.9%）で認められた。p53abnの臨床予測因子として、最大腫瘍径と組織学的グレードが選ばれた。ハビタットモデルの曲線下面積（AUC）は、検証コホートで0.770〜0.802だった。この値はラジオミクスモデルを上回った。最も性能が高かったのは融合モデルである。融合モデルは、ハビタット・ラジオミクス特徴量とDL特徴量に臨床予測因子を統合したものである。AUCは内部検証コホートで0.881、二つの外部検証コホートで0.869と0.904だった。SHAP解析では、ハビタット特徴量とDL特徴量がp53abn子宮体がんの予測に大きく寄与していることが示された。探索的な生存解析では、融合モデルが予測したp53状態は無増悪生存期間（PFS）と独立して関連していた。融合モデルは、子宮体がんのp53状態を術前に評価する際の補完的な画像ツールとなり得る。

  掲載誌の IF 相当：5.3（OpenAlex の直近 2 年の平均被引用数・2026-10-02 時点の値、2026-10-03 に取得。正式な IF（Clarivate）ではない）
  書誌：Lin G, Chen W, Yang D, Xu L, Cao J, Xia S, et al. Multiparametric MRI-based habitat radiomics integrated with a vision transformer for preoperative prediction of p53 status in endometrial cancer. Cancer Imaging. 2026 Oct 1 [Epub ahead of print]. doi:10.1186/s40644-026-01133-6.
  確認の範囲：抄録のみ確認

← この号の目次へ