AIとがん研究 ── 膵がん ── 2026-10-08

膵がんの新しい論文を入口に、三つの段で読む。課題では、膵管腺がんの分子サブタイプ分類に費用と時間がかかる。手法では、形態から得た潜在特徴を固定の遺伝子共発現ネットワークに対応づける。結果の読み方では、出力は患者ごとの発現の推定ではなく、実データでの整合も未確認である。出口は、証拠の段階と確認範囲を比べる観点。 — 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）

膵がん 1 本。筆頭: 遺伝子構造を組み込んだ組織画像モデルによる膵がん分子サブタイプの導出と予測

対象誌と選び方は索引の頁に

膵がんの治療・治験とAI

遺伝子構造を組み込んだ組織画像モデルによる膵がん分子サブタイプの導出と予測
Gene-structured histology for deriving and predicting pancreatic cancer molecular subtypes
Signal Transduction and Targeted Therapy · 2026-10-05 · 証拠の段階: 前臨床（計算モデルの提案）
抄録（全訳）
膵管腺がん（PDAC）は、basal-like と classical の二つの状態に分子サブタイプとして分けられる。この分類は予後を左右する重要な因子である。ただ、トランスクリプトーム解析は費用がかかり、結果が出るまで時間もかかる。そのため、臨床での実装はまだ限られている。
日常の病理組織検査では、形態の特徴を豊富に捉えられる。一方、深層学習モデルは、遺伝子レベルの分子構造との間に、原理に基づく結びつきを欠くことが多い。
著者らは、グラフ制約を課した組織画像モデルを提案する。このモデルは、形態から得た潜在特徴を遺伝子共発現ネットワークに対応づけ、膵がんの分子サブタイプを予測する。ネットワークはデータから作った固定のものである。
遺伝子の構造をもつ出力は、遺伝子共発現の構造で制約された潜在特徴として解釈する。患者ごとの遺伝子発現を直接推定したものではない。遺伝子ネットワークとの整合を実データで確かめて得たものでもない。
掲載誌の IF 相当：50.3（OpenAlex の直近 2 年の平均被引用数・2026-10-07 時点の値、2026-10-08 に取得。正式な IF（Clarivate）ではない）
書誌：Leyva A, Rehman Akbar A, Niazi MKK. Gene-structured histology for deriving and predicting pancreatic cancer molecular subtypes. Signal Transduct Target Ther. 2026 Oct 6;11(1):433. doi:10.1038/s41392-026-03051-2; PMCID: PMC13639034.
確認の範囲：抄録のみ確認

← この号の目次へ