AIとがん研究 ── 前立腺がん ── 2026-10-10
前立腺がんの治療・治験とAI
- Cross-attention fusion of biparametric MRI sequences with demographic and clinical variables for patient-level classification of clinically significant prostate cancer抄録（全訳）
臨床的に意義のある前立腺がん（csPCa）のリスクを、バイパラメトリック MRI で患者単位に正確に層別化するのは、まだ難しい。既存の手法の多くには、二つの問題がある。費用のかかる病変単位のアノテーションを必要とすること、または、時期を隔てた大規模コホートで評価されていないことである。著者らは、患者単位で csPCa を分類するマルチモーダル深層学習の枠組みを開発し、検証した。入力は、MRI の 3 種類のボリュームと 3 つの変数である。MRI は T2 強調像（T2w）、拡散強調像（DWI）、見かけの拡散係数（ADC）である。変数は年齢、前立腺特異抗原（PSA）、PSA 密度（PSAD）である。学習に病変単位のアノテーションは使っていない。
対象は、後ろ向きの開発コホート 3,939 検査と、独立した時間的検証コホート 1,409 検査である。検証コホートの検査は、13 施設で前向きに取得された。モデルには、シーケンスごとに 3 つのエンコーダーがある。これらを非対称なクロスアテンションで融合する。学習には 2 段階の転移学習を用いた。
人口統計・臨床変数を加えると、MRI だけのモデルより性能が一貫して高くなった。補完する因子として最も情報量が多かったのは PSAD である。PSAD は主に特異度を高めた。最も性能が高かったのは、MRI、年齢、PSA、PSAD をクロスアテンションで組み合わせたモデルである。受信者動作特性曲線下面積（AUC）の平均は、後ろ向きのホールドアウト・テストセットで 0.765 ± 0.006 だった。独立した時間的検証コホートでは 0.741 ± 0.006 だった。
事後のサブグループ解析では、順位にもとづく判別能（AUC）は、大半の層でおおむね安定していることが示唆された。ただし、固定した閾値での感度と特異度は、層によって大きくばらついた。Grad-CAM マップでは、クロスアテンションを用いると疑わしい領域との重なりが多い傾向が、定性的に示された。
これらの結果から、PSAD を取り入れた患者単位のマルチモーダルモデルは有望といえる。バイパラメトリック MRI で csPCa のリスクをより精緻に層別化する手段として、実用になりうる。ISUP グレードグループ 1 の病変を臨床的に意義ありと誤って分類する偽陽性を減らせる可能性もある。
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：Dimitriadis A, Kalliatakis G, Osuala R, Kessler D, Diaz O, Mazzetti S, et al. Cross-attention fusion of biparametric MRI sequences with demographic and clinical variables for patient-level classification of clinically significant prostate cancer. Sci Rep. 2026 Oct 8 [Epub ahead of print]. doi:10.1038/s41598-026-71998-x.確認の範囲：抄録のみ確認 - Multi-institutional Patient-level Comparison of Decipher Genomic Classifier and Artera Multimodal Artificial Intelligence (MMAI) in Prostate Cancer抄録（全訳）
重要性：Decipher前立腺ゲノム分類器（GC）とArteraAIマルチモーダル人工知能（MMAI）プラットフォームは、限局性前立腺がん（PCa）の予後予測ツールとして広く使われている。しかし、同じ患者集団で両者を直接比べた研究はこれまでなかった。
方法：限局性または少数転移（オリゴメタスタティック）の前立腺がん患者を対象とした。多施設のコホートを合わせて計688例である。この集団で、GCとMMAIがどの程度一致するか、どの程度予後を予測できるかを評価した。コホートには、アフリカ系米国人の患者が多い集団と、東アジア人の患者が多い集団も含まれる。GCとMMAIのスコアは、検体の種類ごとにリスク群に分けた。検体は生検と根治的前立腺全摘除術（RP）の2種類である。主要評価項目は無遠隔転移生存期間（DMFS）とした。主要評価項目は遠隔転移なし生存期間（DMFS）で、診断から最終追跡または イベント発生までの期間として測った。
結果：複数のコホートで、GCとMMAIのスコアは有意に相関した。Moffitt RP、生検、NCCSの各コホートでは、MMAIとGCのいずれも単独で予後と関連した。臨床因子で調整した後も、この関連は残った。両バイオマーカーと臨床因子をすべて含めて多変量解析を行った。Moffitt RPコホートでは、GCを考慮してもMMAIは有意であった。Moffitt生検コホートでは境界域であった。GC と MMAI の結果が一致する例と、一致しない例に分けても解析した。その結果、GC と MMAI の両方で高リスクの患者は、定性的に経過が悪かった。パスウェイ解析では、Moffitt RP コホートと少数転移の患者で、GC・MMAI との一致度が高かった。生検の2コホートでは、いずれも大半の生物学的パスウェイが一致した。一方で、シグナル伝達、代謝、DNA修復のパスウェイでは一貫して不一致がみられた。
結論：本研究は、前立腺がんでGCとMMAIを患者単位で直接比べた初めての研究である。両バイオマーカーは中程度に相関した。いずれのバイオマーカーも、多様な集団と病態で予後予測能を示した。
掲載誌の IF 相当：2.2（OpenAlex の直近 2 年の平均被引用数・2026-10-09 時点の値、2026-10-10 に取得。正式な IF（Clarivate）ではない）書誌：Hong BH, Olabumuyi AA, Zhao SG, Trivedi P, Putney R, Katende E, et al. Multi-institutional Patient-level Comparison of Decipher Genomic Classifier and Artera Multimodal Artificial Intelligence (MMAI) in Prostate Cancer. Clinical Cancer Research. 2026 Oct 8 [Epub ahead of print]. doi:10.1158/1078-0432.ccr-26-2269.確認の範囲：抄録のみ確認