AIとがん研究 ── 前立腺がん ── 2026-10-09
前立腺がんの治療・治験とAI
- Resource-efficient multimodal AI for post-diagnostic prostate cancer risk stratification for home-based monitoring抄録（全訳）
前立腺がんは、世界で男性に最も多い悪性腫瘍の一つである。診断後の管理では、病期の判定とリスクの評価を長期にわたり繰り返す必要がある。しかし既存の臨床意思決定支援システム（CDSS）は、主に構造化された臨床データに頼っている。こうしたデータは集めるのに資源がかかる。そのため、通常の診療の場の外では広げにくく、使いにくい。
本研究は、資源をあまり使わないマルチモーダル AI の枠組みを示す。対象は診断後の前立腺がんで、病期分類と進行期リスクの層別化を在宅モニタリングで行うことを目指した。入力には、自宅でも得られる可能性のある特徴量を組み合わせて用いた。特徴量は、数値、カテゴリ、非構造化テキストの三種類である。これらは Cancer Screening Trial データセットから、教師あり機械学習によって系統的に選んだ。システムは、利用者が直接操作する単独のアプリケーションとして実装した。
枠組みは二つのモードからなる。一つは包括モデルで、病期を多クラスに分類する。もう一つは最小モデルで、絞り込んだ特徴量を使い、進行期かどうかの二値でリスクを層別化する。この構成で、予測性能と資源効率の釣り合いをとった。
Prostate, Lung, Colorectal and Ovarian cancer screening trial のデータセットを用いた後ろ向き解析で、CDSS は識別性能を示した（ROC 曲線下面積（ROC-AUC）0.95）。特徴量を限定したモデルは、Surveillance, Epidemiology, and End Results データセットでも評価した。両データセットで共通する特徴量は限られていたが、ROC-AUC は 0.86 だった。
最小モデルは軽量で、シリアライズ後のサイズは 9.51 MB である。CPU での推論時間は 50 ms 未満で、資源の限られた環境でもリアルタイムで動かせる。モデルの解釈には SHapley Additive exPlanations を用いた。不確実性のしきい値も設けた。確信度の低い予測には印が付き、専門家の確認に回せる。
本研究は、がんのリスク評価に使う患者向けの試作品を示した。今後、資源の限られた環境、分散型の医療、在宅医療での評価に進める可能性がある。
掲載誌の IF 相当：5.2（OpenAlex の直近 2 年の平均被引用数・2026-10-04 時点の値、2026-10-05 に取得。正式な IF（Clarivate）ではない）書誌：Khan AS, Tabassum S, Nag AK, Majumder S. Resource-efficient multimodal AI for post-diagnostic prostate cancer risk stratification for home-based monitoring. Sci Rep. 2026 Oct 7 [Epub ahead of print]. doi:10.1038/s41598-026-75102-1.確認の範囲：抄録のみ確認