AIとがん研究 ── 胃がん ── 2026-10-03
胃がんの治療・治験とAI
- LMRNet: a biopsy-derived deep learning model for predicting lymph node metastasis in early gastric cancer with pathological interpretability抄録（全訳）
早期胃がん（EGC）は通常、予後が良い。リンパ節転移（LNM）がなければ、局所切除で根治できる患者も多い。そのため、胃周囲のLNMを術前に確実に評価することが、個別の治療方針を決めるうえで欠かせない。本研究の目的は、生検スライドから早期胃がんのLNMを正確に予測する深層学習モデルを作ることである。あわせて、モデルの予測の背景にある病理学的特徴と微小環境の特徴を調べることも目的とした。
対象は、複数施設のT1期胃がん患者である。いずれもD2リンパ節郭清後にLNMの有無が病理学的に確定していた。ヘマトキシリン・エオジン（H&E）染色の生検スライドで深層学習モデルを訓練した。性能の高い三つのモデル（ViTamin、ConvNeXt V2、Swin Transformer V2）を統合し、アンサンブルモデルLMRNetを作った。モデルの性能は、多施設のコホートで評価した。さらに、二重のSwin Transformer分類器とHoVer-Netで、組織亜型と腫瘍微小環境（TME）の特徴を調べた。これにより、モデルの予測に関わる組織像と微小環境のパターンを解釈できるようにした。
登録患者は計660例だった。LMRNetのAUCは、内部生検コホートで0.947、外部生検コホートで0.900であり、精度は高かった。多施設の手術コホートでも性能は安定しており、AUCは0.768〜0.894だった。亜型分類器の判定は、TCGA（がんゲノムアトラス）のアノテーションとよく一致した。この分類器で、びまん型の領域がLNMリスクの高さと関連していることが分かった。TME解析では、炎症細胞の多いパッチでLNMリスクが有意に高く判定された。炎症細胞が腫瘍細胞のすぐ近くにあるパッチで、とくにその傾向があった。一方、間質細胞が腫瘍細胞と炎症細胞の間に構造的な障壁を形成する領域は、より低いリスクに割り当てられた。これらの結果から、LMRNetが特定の形態や細胞間相互作用のパターンをとらえていることが分かる。
LMRNetは、生検スライドから正確で汎化性の高いLNM予測ができる。本研究では亜型解析とTME解析を組み合わせた。その結果、早期胃がんで予測される転移リスクと関連する形態学的特徴が分かった。
掲載誌の IF 相当：8.3（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 Q, Liu Y, He J, Ruan R, Guan T, Zhang Z, et al. LMRNet: a biopsy-derived deep learning model for predicting lymph node metastasis in early gastric cancer with pathological interpretability. J Transl Med. 2026 Oct 1 [Epub ahead of print]. doi:10.1186/s12967-026-08966-6.確認の範囲：抄録のみ確認