AIとがん研究 ── がん一般 ── 2026-10-15
がん一般 1 本。筆頭: CLIP-CGPNet：上部尿路上皮がんの術後再発を予測するマルチモーダル臨床意思決定支援システム
がん一般の分子生物学の進展とAI
- CLIP-CGPNet: A Multimodal Clinical Decision Support System for Postoperative UTUC Recurrence Prediction.抄録（全訳）
上部尿路上皮がん（UTUC）の患者では、術後の再発を正確に予測することが、個別の管理と経過観察の計画に欠かせない。しかし、画像の特徴も臨床情報も患者ごとのばらつきが大きい。そのため、信頼できるリスク層別化はまだ難しい。
本研究では、術後再発を予測するマルチモーダルな臨床意思決定支援の枠組みを作った。造影コンピュータ断層撮影（CT）の画像と、日常診療で得られる臨床変数を統合する。学習では画像と臨床情報を一体として扱う。これにより、画像の表現と患者ごとの臨床背景との意味的な対応が強まる。画像の特徴は、臨床知識に基づく意味的プロンプトで誘導する。また、動的な融合機構で、各モダリティの寄与の釣り合いを適応的に調整する。この設計により、複数のモダリティが頑健に相互作用し、個々の患者のリスク推定が改善する。
評価には、2016〜2023年に治療を受けたUTUC患者160例の後ろ向きコホートを用いた。内訳は再発59例、非再発101例である。提案手法の受信者動作特性曲線下面積（AUC）は0.87であった。その性能は、従来の畳み込みニューラルネットワークに基づくモデルや、代表的なマルチモーダルの比較モデルより優れていた。定性的な解析でも、画像のパターンと臨床因子との対応が改善していることが示された。注意機構に基づく可視化により、解釈可能な知見も得られた。
これらの結果から、この枠組みはUTUCの術後再発リスクを層別化する一つの手法となりうることが示唆される。この枠組みは、臨床判断や、リスクに応じた術後管理の支援にも役立ちうる。
掲載誌の IF 相当：3.9（OpenAlex の直近 2 年の平均被引用数・2026-10-13 時点の値、2026-10-15 に取得。正式な IF（Clarivate）ではない）書誌：Liu D, Zhao T, Zhang S, Fang L. CLIP-CGPNet: A Multimodal Clinical Decision Support System for Postoperative UTUC Recurrence Prediction. J Digit Imaging Inform med. 2026 Oct 13 [Epub ahead of print]. doi:10.1007/s10278-026-02358-4.確認の範囲：抄録のみ確認