AIとがん研究 ── 乳がん ── 2026-10-14

対象誌と選び方は索引の頁に

乳がんの治療・治験とAI

• マンモグラフィに基づく深層学習ラジオミクスによる乳がんの HER2 発現予測：HER2 低発現に着目した 2 施設研究
  Mammography-based deep learning radiomics for predicting HER2 expression in breast cancer: a dual-center study with focus on HER2-low status
  BMC Medical Imaging · 2026-10-12 · 証拠の段階: 後ろ向きの観察（2 施設、外部検証あり）
  抄録（全訳）

  背景：ヒト上皮成長因子受容体 2（HER2）の状態を術前に正確に評価することは、標的治療の方針決定に欠かせない。しかし、従来の生検による方法は侵襲的である。腫瘍の不均一性による限界もある。マンモグラフィは広く利用でき、費用対効果も高い画像検査で、術前に日常的に行われている。本研究の目的は、乳がんの HER2 発現状態を非侵襲的に予測するモデルを開発し、検証することである。モデルにはマンモグラフィに基づく深層学習ラジオミクスを用いる。

  方法：2 施設の乳がん患者 546 例を後ろ向きに登録した。施設 1 の 420 例は、訓練コホート 294 例と内部検証コホート 126 例に分けた。施設 2 の 126 例は外部検証コホートとした。分類課題は二つ設定した。課題 1 は HER2 陽性と HER2 陰性の判別、課題 2 は HER2 低発現と HER2 ゼロの判別である。ラジオミクス特徴量は Visformer アーキテクチャで抽出した。そのうえで、重み付き投票によるアンサンブル法で予測モデルを構築した。重みは、交差検証で求めた曲線下面積（AUC）を指標に、訓練コホートの中だけで最適化した。両課題のモデル性能は、受信者動作特性（ROC）曲線で評価した。

  結果：課題 1（HER2 陽性 対 HER2 陰性）では、ラジオミクスモデルの AUC は訓練コホートで 0.836、内部検証で 0.763、外部検証で 0.714 であった。課題 2（HER2 低発現 対 HER2 ゼロ）の AUC は、同じ順に 0.890、0.785、0.713 であった。臨床病理学的な解析で、独立した予測因子が分かった。HER2 陽性の独立した予測因子は、組織学的グレード（オッズ比 2.28）、Ki-67 指数（オッズ比 4.71）、BI-RADS カテゴリー（オッズ比 2.49）であった。HER2 低発現の独立した予測因子は、PR の状態（オッズ比 4.48）、BI-RADS カテゴリー（オッズ比 1.75）、乳腺密度（オッズ比 0.32）であった（いずれも P < 0.05）。

  結論：マンモグラフィに基づく深層学習ラジオミクスモデルは、乳がんの HER2 発現状態の予測で意味のある判別能を示した。術前の HER2 評価を非侵襲的に補う手段になる可能性がある。今後、前向きの検証が必要である。 臨床試験番号： 該当なし。

  掲載誌の IF 相当：3.8（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：Wang H, Liu C, Zhao Y, Fang Y, Kang Z, Deng L, et al. Mammography-based deep learning radiomics for predicting HER2 expression in breast cancer: a dual-center study with focus on HER2-low status. BMC Med Imaging. 2026 Oct 12 [Epub ahead of print]. doi:10.1186/s12880-026-02921-z.
  確認の範囲：抄録のみ確認
• 乳がん研究における人工知能：新たな動向と今後の方向性に関するシステマティックレビューと計量書誌学的分析
  Artificial intelligence in breast cancer research: a systematic review and bibliometric analysis of emerging trends and future directions.
  Frontiers in oncology · 2026-09-28 · 証拠の段階: システマティックレビュー（計量書誌学的分析）
  抄録（全訳）

  序論：乳がんは今も、世界の女性でがんの罹患と死亡の主な原因である。早期発見、正確な診断、予後の推定、治療反応の評価には、まだ課題が残る。人工知能（AI）は機械学習や深層学習を含み、乳がん研究を急速に進めてきた。人工知能は、画像・病理・ゲノム・臨床の高次元データを解析できるようにすることで、乳がん研究を急速に前進させてきた。一方で、文献の急増により、研究は大きく細分化されている。細分化は、臨床上の課題、データのモダリティ、アルゴリズムの枠組み、ソフトウェア環境のすべてにわたる。本システマティックレビューでは、近年発表された AI による乳がん研究を、計量書誌学の手法で包括的に分析した。

  方法：主なデータ源として、Scopus と Web of Science の複数のデータベースを用いた。系統的な計量書誌学の枠組みで、パフォーマンス分析、サイエンスマッピング、テーマの変遷分析を統合した。解析は、明示した次の研究課題に沿って行った。 (i) 診断・予後・治療反応予測での AI 応用の変遷 (ii) 説明可能な AI とハイパーパラメータ最適化の導入状況 (iii) この分野を形づくるデータセット、ソフトウェアフレームワーク、アルゴリズム (iv) 中核のモダリティとしてのマンモグラフィの役割 (v) トランスフォーマー型アーキテクチャを含む、新たな研究のホットスポット 結果と考察： 従来の計量書誌学的研究は、主に引用指標に注目してきた。これに対し本研究は、臨床上の課題を意識し、方法論を中心に据えた視点をとる。得られた知見は、再現可能で解釈可能であり、臨床に統合された乳がん診療の AI システムを支える実践的な示唆となる。目指すのは、再現可能で、解釈可能で、臨床に統合された AI システムである。

  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：Mohamed YB, ZainEldin H, Eladl SG, Sayed HA, Shehata M, Badawy M, et al. Artificial intelligence in breast cancer research: a systematic review and bibliometric analysis of emerging trends and future directions. Front Oncol. 2026 Sep 28;16:1800218. doi:10.3389/fonc.2026.1800218.
  確認の範囲：抄録のみ確認

← この号の目次へ