AIとがん研究 ── がん一般 ── 2026-10-03
がん一般の分子生物学の進展とAI
- A Foundation Model of Cancer Genotype Enables Precise Predictions of Therapeutic Response抄録(全訳)
がん診療では、遺伝子配列解析がすでに日常的に行われている。しかし、腫瘍がもつ複雑な変異のプロファイルを、実際に使える治療方針に結びつけることは、まだ中心的な課題である。
MutationProjector は、30,000 を超える腫瘍のゲノム変化を集めた大規模データで事前学習したモデルである。豊富な分子知識も組み込んである。
このモデルが出力する射影を見ると、腫瘍で変化している分子経路が分かる。そのため、モデルの判断を解釈しやすい。学習から外しておいた変異も正確に再構成できた。この結果は、モデルの汎化性能を示している。
複数のがん種とコホートで、免疫療法や化学療法への耐性を予測した。いずれの状況でも、MutationProjector は最先端(state-of-the-art)の性能に並ぶか、それを上回った。
予想外のバイオマーカーも見つかった。免疫療法への感受性では KMT2D 変異が、免疫療法への耐性では SMARCA4 と STK11 の同時変化が挙がった。
以上の結果から、腫瘍の遺伝子型を生物学的機序と治療成績に結びつける統一的な枠組みが確立された。
【意義】本研究は、3万を超える腫瘍で事前学習した腫瘍ゲノムの基盤モデル MutationProjector を示す。これは、30,000 を超える腫瘍で事前学習した腫瘍ゲノムの基盤モデルである。このモデルは診断と治療のために、変異を生物学的な状態に対応づける。治療耐性の予測では最先端の性能を達成した。例えば KMT2D 変異(免疫療法への感受性)や SMARCA4 と STK11 の同時変化(免疫療法への耐性)など、予想外のバイオマーカーも同定した。
掲載誌の IF 相当:7.7(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:Kong J, Lee I, Boecher D, Singhal A, Kelly MR, Moon J, et al. A Foundation Model of Cancer Genotype Enables Precise Predictions of Therapeutic Response. Cancer Discov. 2026 May 26;16(10):2021-36. doi:10.1158/2159-8290.cd-25-1735. PMID: 42188872; PMCID: PMC13367315.確認の範囲:抄録のみ確認 - Deep learning-based large-scale pan-cancer multiple biomarkers prediction using RIDGE with pathological images抄録(全訳)
背景:現在の分子プロファイリング検査は、主にゲノム解析やトランスクリプトーム解析に頼っている。そのため、結果が出るまでに時間がかかり、費用も高い。この包括的な汎がん研究では、深層学習(DL)を使った手法の開発を目指した。ヘマトキシリン・エオジン(H&E)染色の全スライド画像(WSI)から、多数のバイオマーカーを直接予測する手法である。本研究は、H&E 染色の WSI から大規模なバイオマーカーを直接予測する、汎用的で弱教師ありの、臨床的に解釈できる深層学習の手法の開発を目的とした。
方法:深層学習を使った人工知能(AI)システム RIDGE(Rapid and Intelligent Detector for Genetic Estimation)を作った。RIDGE は、アノテーション(注釈付け)のない WSI から遺伝子発現シグネチャーと標準的なバイオマーカーを自動で予測する。開発と検証には The Cancer Genome Atlas(TCGA)のデータを使った。対象は 12 種の固形がんで、患者 4680 例・WSI 4983 枚である。さらに外部検証コホートでも実用性を確かめた。外部検証コホートは、The Clinical Proteomic Tumor Analysis Consortium(CPTAC)の大腸がん患者 105 例から得た WSI 221 枚である。この外部検証では、特にマイクロサテライト不安定性(MSI)の状態を予測した。
結果:12 種のがん全体で、RIDGE の曲線下面積(AUC)は 0.763(95% 信頼区間 0.724〜0.802)であった。外部の CPTAC コホートでは、MSI 状態の予測で AUC 0.769(95% 信頼区間 0.686〜0.841)となり、再現性を裏づける結果だった。モデルは形態的な視覚的特徴をとらえられることが分かった。これにより、遺伝子発現シグネチャーや標準的なバイオマーカーを WSI から直接検出しやすくなった。
結論:これらの結果から、RIDGE でがんのスクリーニングや個別化治療を大幅に速められる可能性がある。RIDGE は、高い予測性能を備えた AI 支援の評価手法を提供する。この手法は、がんにおける遺伝子型と表現型の関係の解明と定量に役立つ。がん診断の分野を進める手法として有望である。 臨床試験番号
掲載誌の IF 相当:3.8(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:Xi H, Feng X, Lu Y, Li G, Zhang Y, Li J, et al. Deep learning-based large-scale pan-cancer multiple biomarkers prediction using RIDGE with pathological images. BMC Med Imaging. 2026 Sep 30 [Epub ahead of print]. doi:10.1186/s12880-026-02695-4.確認の範囲:抄録のみ確認 - Mapping the physical topology of the tumor immune microenvironment: macroscopic image fractals as surrogate markers for immune exclusion phenotype and treatment resistance in colorectal cancer liver metastases.抄録(全訳)
背景:大腸がん肝転移(CRLM)では、腫瘍免疫微小環境(TIME)の空間的な構造で治療への反応が決まる。本研究では、生検のサンプリングバイアスを避けるため、複数の画像検査から得たマクロ画像のフラクタル動態を調べた。目的は、免疫の物理的な障壁と代謝状態を非侵襲的にマッピングすることである。そのうえで、多スケールの免疫・ラジオミクス統合スコア(IRJS)を作った。IRJS は、頑健な予後層別化と、治療抵抗性の探索的な評価に使うためのものである。 対象と方法 2 施設の観察研究で、CRLM 患者 270 例を登録した。対象は、2 種類の画像検査とデジタル空間病理のデータがそろった患者である。画像検査は、造影磁気共鳴画像(CE-MRI)と 18F-フルオロデオキシグルコース(FDG)を用いた陽電子放出断層撮影・コンピューター断層撮影(18F-FDG PET/CT)である。患者は施設と時期で 3 つのコホートに分けた。内訳は、訓練コホート 150 例、前向きの時間的検証コホート 45 例、外部検証コホート 75 例である。構造(FD_MRI)と代謝(FD_PET)のフラクタル次元に、全身性免疫炎症指数(SII)と KRAS の状態を加え、XGBoost で IRJS を構築した。これらを使い、XGBoost で IRJS を構築した。マッピングの仕組みは SHAP フレームワークで評価した。
結果:FD_MRI は、α-SMA 陽性の線維化促進性間質の密度と正の相関を示した(r = 0.684)。これは、CD8 陽性 T 細胞を締め出す機械的な障壁を反映している可能性がある。FD_PET は、腫瘍中心部の低酸素(HIF-1α)および全身の免疫疲弊と有意に関連した。IRJS は、訓練・時間的検証・外部検証のいずれのコホートでも、免疫炎症型の表現型を安定して判別した(AUC はそれぞれ 0.921、0.886、0.862)。IRJS で判定した免疫炎症型は、全生存期間の独立した保護因子であった(ハザード比 0.31、P < 0.001)。決定曲線解析でも正味の臨床的便益を示した。 結論IRJS モデルを使えば、免疫回避を時間・空間の両面から頑健に評価できる。多職種チームにとっては、生検に関する判断や予後層別化を非侵襲的に検討するための枠組みになりうる。また、免疫療法への抵抗性についても探索的な知見を得られる可能性がある。
掲載誌の IF 相当:5.5(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:Ziyi G, Zhou W, Zou K. Mapping the physical topology of the tumor immune microenvironment: macroscopic image fractals as surrogate markers for immune exclusion phenotype and treatment resistance in colorectal cancer liver metastases. Front Immunol. 2026 Sep 17;17:1889571. doi:10.3389/fimmu.2026.1889571. PMID: 42824375.確認の範囲:抄録のみ確認