AIとがん研究 ── 脳腫瘍 ── 2026-10-07
脳腫瘍の治療・治験とAI
- An integrated prognostic model incorporating clinical characteristics, multiparametric MRI radiomics, deep learning features, and intratumoral heterogeneity for glioma patients.抄録（全訳）
はじめに：神経膠腫は、中枢神経系で最も多い原発性悪性腫瘍である。生物学的な不均一性が大きく、予後は不良である。マルチパラメトリック MRI に基づく画像解析は、予後の評価で有望とされてきた。しかし、深層学習（DL）、ラジオミクス、腫瘍内不均一性（ITH）の定量化を効果的に統合する方法は、まだ十分に検討されていない。本研究の目的は、臨床的特徴とマルチパラメトリック MRI 由来の特徴量を統合した予後予測モデルを作ることである。あわせて、特徴量の組み合わせごとに予測性能を体系的に評価する。
方法：後ろ向きの多施設研究である。UCSF-TCIA コホートの 183 例を訓練セット、Chongqing General Hospital の 109 例を独立したテストセットとした。術前のマルチパラメトリック MRI から、ラジオミクス特徴量、DL 特徴量、2D/3D の ITH 特徴量を抽出した。解析にはマルチパラメトリック MRI として、T1 強調像（T1WI）、造影 T1 強調像（T1CE）、T2 強調像（T2WI）、T2 FLAIR 像（T2-FLAIR）、拡散強調像（DWI）、見かけの拡散係数（ADC）を用いた。特徴量は LASSO-Cox 回帰（Least Absolute Shrinkage and Selection Operator-Cox）で選んだ。そのうえで、単一モデルと融合モデルの両方を構築した。特徴量レベルの統合には、2 段階の LASSO-Cox 回帰を用いた。異なる情報源が持つ相補的な性質を十分に引き出すためである。性能は Harrell の一致指数（C-index）で数値化した。さらに、Kaplan-Meier 生存解析、時間依存性の受信者動作特性（ROC）解析、較正曲線、決定曲線分析（DCA）で検証した。
結果：DL、ラジオミクス、ITH、臨床的特徴を統合した融合モデル（DenseNet121_DL+Rad+ITH）の C-index は、訓練セットで 0.801（95% 信頼区間 0.750〜0.853）だった。テストセットでは 0.710（95% 信頼区間 0.638〜0.783）で、いずれの単一モデルも上回った。対応するスタッキング・アンサンブルでも、テストセットの C-index は 0.701 と同程度だった。Kaplan-Meier 解析では、リスクによる層別化が有意であることを確認した（P < 0.001）。時間依存性 ROC 解析での曲線下面積（AUC）は、12、18、24、30、36 か月でそれぞれ 0.705、0.721、0.746、0.800、0.873 だった。較正曲線では、予測した生存確率と実際の生存確率がよく一致した。DCA では、中長期（24〜36 か月）の生存予測で、臨床上の正味の利益が良好だった。 結論融合戦略は、概して単一特徴量のモデルを上回る。ただし、融合による上乗せは小さい。より大規模なコホートでの前向き検証がまだ必要である。
掲載誌の IF 相当：2.7（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：Yang Y, Su K, Tang K, Li K. An integrated prognostic model incorporating clinical characteristics, multiparametric MRI radiomics, deep learning features, and intratumoral heterogeneity for glioma patients. Front Oncol. 2026 Sep 21;16:1873715. doi:10.3389/fonc.2026.1873715; PMCID: PMC13635987.確認の範囲：全文を確認