AIとがん研究 ── 肺がん ── 2026-10-06

非小細胞肺がんで組織画像とオミクスをAIで統合する研究についての、システマティックレビューとメタアナリシスの付属データとコードの紹介。流れは四つ。検索と採用では5504件から35件を採用。主要評価項目は同じ患者での識別能の差で、16件を解析に使った。統合はREMLのランダム効果モデルとHKSJ法による。公開物は抽出データ、バイアス評価、解析コード。抄録のみ確認した。 — イメージアブストラクト ── 記事の全体像を 1 枚に（画像を押すと拡大）

肺がん 1 本。筆頭: 非小細胞肺がんの予測で病理組織像とオミクスを統合する上乗せ効果：システマティックレビューとメタアナリシスの抽出データセット、バイアスリスク評価、解析コード

対象誌と選び方は索引の頁に

肺がんの治療・治験とAI

非小細胞肺がんの予測で病理組織像とオミクスを統合する上乗せ効果：システマティックレビューとメタアナリシスの抽出データセット、バイアスリスク評価、解析コード
Extraction dataset, risk-of-bias assessments and analysis code for Incremental value of integrating histopathology with omics for prediction in non-small-cell lung cancer: a systematic review and meta-analysis
Zenodo (CERN European Organization for Nuclear Research) · 2026-10-04 · 証拠の段階: システマティックレビューとメタアナリシス（付属のデータとコード）
抄録（全訳）
この記録には、システマティックレビューとメタアナリシス「Incremental value of integrating histopathology with omics for prediction in non-small-cell lung cancer: a systematic review and meta-analysis」（Briefings in Bioinformatics に投稿中）の裏付けとなるデータとコードを収めている。この論文はBriefings in Bioinformaticsに投稿済みである。レビューはPRISMA 2020に従って行った。PubMed、Scopus、IEEE Xploreを検索し、5504件の記録から35件の研究を採用した。採用したのは、組織画像とゲノム、トランスクリプトーム、プロテオーム、エピゲノムのデータを人工知能で統合した、非小細胞肺がん（NSCLC）の研究である。いずれも人工知能（AI）を使い、組織画像をゲノム、トランスクリプトーム、プロテオーム、エピゲノムのいずれかのデータと統合している。このうち16件のデータをメタアナリシスに用いた。
主要評価項目は、同じ研究の中での識別能の差である。識別能はAUC（曲線下面積）またはC-index（一致指数）で測った。主要評価項目は、同じ患者で評価した、マルチモーダルモデルと、組織像のみを用いる最も成績の高い比較モデルとの、識別能（AUCまたはC-index）の研究内での差である。両者は同じ患者で評価されている。差の統合には、制限付き最尤法（REML）によるランダム効果モデルを用いた。信頼区間はHartung–Knapp–Sidik–Jonkman（HKSJ）法で求めた。
内容は次のとおりである。1. 抽出データセット：採用した35研究を32項目で整理したもの。項目は書誌情報、コホート、モダリティ、アーキテクチャ、統合の方法、検証デザイン、エンドポイント、報告されたすべての性能推定値である。
2. 解析データセット：メタアナリシスに用いたすべての値と、元論文での出典箇所（表、図、ページ）、および算出した標準誤差。それぞれに、原著論文での出典箇所（表・図・ページ）と、算出した標準誤差を付けた。
3. バイアスリスク評価：35研究すべてをPROBASTで評価した。PROBAST-AIのシグナリング質問も使った。
4. 解析コード（Python 3.11、NumPy、SciPy）：REMLによるランダム効果メタアナリシス（HKSJ法の信頼区間付き）、予測区間、サブグループ解析、メタ回帰、感度分析、leave-one-out解析、Egger検定を実装している。このコードは、BCGベンチマークデータセットで、Rのmetaforパッケージの参照出力を再現する。
5. 結果（JSON）と、図を作るスクリプト。
採用した論文そのものは再配布していない。採用した論文そのものは再配布しておらず、各論文には元のライセンスが適用される。
掲載誌の IF：不明（照合できず）
書誌：[No authors listed]. Extraction dataset, risk-of-bias assessments and analysis code for Incremental value of integrating histopathology with omics for prediction in non-small-cell lung cancer: a systematic review and meta-analysis. Zenodo (CERN European Organization for Nuclear Research). [Epub ahead of print]. doi:10.5281/zenodo.23132027.
確認の範囲：抄録のみ確認

← この号の目次へ