AIとがん研究 ── 肝臓がん ── 2026-10-03
肝臓がんの治療・治験とAI
- HepaKineticNet: Deep Learning of CT-Derived Intratumoral Heterogeneity for Overall Survival Prediction in BCLC Stage B-C Hepatocellular Carcinoma Treated with Locoregional Therapy Plus First-Line TKI and Anti–PD-1 Therapy抄録（全訳）
目的：多相造影CT（CECT）の相間の動態変化をモデル化し、腫瘍内不均一性（ITH）マップを作る深層学習の枠組みHepaKineticNetを開発すること。HepaKineticNetは、多相造影CT（CECT）で相の間の動態変化をモデル化し、腫瘍内不均一性（ITH）マップを作る深層学習の枠組みである。対象は、BCLC（バルセロナ臨床肝がん）病期分類B〜C期の肝細胞がん（HCC）とした。これらの患者は、局所療法に一次治療のチロシンキナーゼ阻害薬（TKI）と抗PD-1薬を併用していた。さらに、局所療法に一次治療のTKIと抗PD-1薬を併用したBCLC B〜C期肝細胞がん（HCC）で、臨床・ラジオミクス融合モデルが全生存期間（OS）の予測を改善するかを、独立した外部コホートで評価すること。 対象と方法：2施設の後ろ向き研究である。HepaKineticNetは一方の施設の359例（訓練231例、検証128例）で開発した。もう一方の施設の95例を独立した外部テストコホートとし、評価に用いた。HepaKineticNetは、nnU-Netを骨格とし、Spatial Kinetic Differential Attentionモジュールを組み込んでいる。動脈相のウォッシュインと遅延相のウォッシュアウトの動態を、別々に符号化する。学習には、多重スケールの変動係数を用いた自己教師あり学習を取り入れた。ラジオミクス特徴量10個は階層的フィルタリングで選んだ。臨床変数3個は、LASSO罰則付きCox回帰（10分割交差検証）で選んだ。これらを用いて、臨床・ラジオミクス・融合の各Coxモデルを構築した。
結果：死亡は計277例で、うち128例は開発コホートだった。背景因子に偏りはなかった（すべて P > 0.05）。外部テストコホートで、融合モデルのC指数は0.713であり、臨床モデルの0.651を上回った（P = 0.012）。融合モデルの時間依存性AUCは、1年で0.760（95% 信頼区間 0.651〜0.864）、2年で0.838（95% 信頼区間 0.736〜0.930）、3年で0.909（95% 信頼区間 0.686〜1.000）だった。臨床モデルでは、それぞれ0.676、0.742、0.772だった。Kaplan–Meier解析では、OSの中央値は高リスク群で9.5か月、低リスク群で19.0か月だった。高リスク群のハザード比は 3.02（95% 信頼区間 1.86〜4.91、P < 0.001）だった。事前に規定した10のサブグループのいずれでも、識別能は一貫していた。
結論：HepaKineticNetから得たITHマップは、動態と空間の情報を符号化している。この情報により、併用療法を受けたこのHCC集団では、個別のOS予測とリスク層別化がわずかに改善した。前向きの検証が必要ではあるが、非侵襲的な意思決定支援の補助手段となり得る。 キーワード：ラジオミクス、予後、予後予測モデル、リスク層別化、畳み込みニューラルネットワーク、免疫療法、チロシンキナーゼ阻害薬、局所療法、生存解析
掲載誌の IF 相当：2.9（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：Li J, Bu W, Hanming X, Zhang Q, Song J, Chen W. HepaKineticNet: Deep Learning of CT-Derived Intratumoral Heterogeneity for Overall Survival Prediction in BCLC Stage B-C Hepatocellular Carcinoma Treated with Locoregional Therapy Plus First-Line TKI and Anti–PD-1 Therapy. JHC. 2026 Oct;Volume 13:1-15. doi:10.2147/jhc.s636207.確認の範囲：抄録のみ確認 - Pretreatment arterial-phase CT-based prediction of time to progression after transarterial chemoembolization in hepatocellular carcinoma: a multicenter study抄録（全訳）
切除不能な肝細胞がん（HCC）には、肝動脈化学塞栓療法（TACE）が広く使われている。しかし、臨床転帰には大きなばらつきがある。早期に進行するリスクが高い患者を治療前に見分ける手段も、まだ限られている。本研究の目的は、TACE後の無増悪期間（TTP）を予測するCT・臨床統合モデルを開発し、外部で検証することである。
多施設の後ろ向き研究で、3つのコホートの508例を対象とした。公開データセットのWAW-TACE（n = 226）はモデル開発に用いた。このデータセットは、訓練コホート（n = 158）と内部検証コホート（n = 68）に分けた。研究施設の2つのコホート、コホートA（n = 252）とコホートB（n = 30）は、独立した外部検証に用いた。適格としたのは、未治療の切除不能HCCで、初回治療として従来型TACEを受けた患者である。条件には、肝機能が保たれていることも含めた。肝外転移と主要血管浸潤がなく、治療前の造影CTが利用できることも条件とした。臨床変数、ラジオミクス特徴量、動脈相CTから得た2.5Dの深層学習特徴量を統合した。これにより、無増悪期間予測ネットワーク（TTP-Net）を構築した。
比較したモデルのうち、観察された性能が最も高かったのはTTP-Netだった。C指数は、訓練コホートで0.719、内部検証コホートで0.723だった。外部コホートAでは0.713、外部コホートBでは0.707だった。12か月時点のAUCは、それぞれ0.872、0.862、0.816、0.832だった。Kaplan–Meier解析では、4つのコホートのすべてで高リスク群と低リスク群が有意に分かれた。12か月時点の決定曲線解析も、臨床的に役立つ可能性を支持した。
治療前の動脈相CTから得た画像特徴量と臨床変数を統合すると、初回TACE後に早期進行のリスクが高いHCC患者を特定できた。この結果は、TACE後の経過観察の個別化と、治療方針の適時な見直しを支える。
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：Wang L, Xia C, Peng Z, Zhao X, Wang Y, Wu Z, et al. Pretreatment arterial-phase CT-based prediction of time to progression after transarterial chemoembolization in hepatocellular carcinoma: a multicenter study. Cancer Imaging. 2026 Sep 30 [Epub ahead of print]. doi:10.1186/s40644-026-01136-3.確認の範囲：抄録のみ確認