AIとがん研究 ── 前立腺がん ── 2026-10-17
前立腺がんの治療・治験とAI
- Predictors of guideline-concordant treatment intensification in metastatic castration-sensitive prostate cancer: an explainable machine learning study抄録（全訳）
背景：転移性去勢感受性前立腺がん（mCSPC）では、適格な患者に治療強化が推奨されている。治療強化とは、アンドロゲン除去療法（ADT）に別の薬を加えることである。加える薬は、ドセタキセル、アンドロゲン受容体経路阻害薬、または一部の3剤併用レジメンである。治療強化を採用する施設は増えているが、日常診療での実施にはまだばらつきがある。
目的：mCSPCの一次全身治療が年ごとにどう変わったかを調べることである。あわせて、ガイドラインに沿った治療強化を受けることに関連する因子を見つけることを目指した。因子の探索には、探索的な説明可能機械学習を用いた。
方法：全国の治療パターンは、Pfizer Oncology Quality Care Insight Toolで評価した。このツールは、IQVIA Anonymized Patient Longitudinal Dataに基づく。施設の治療パターンは、Avera Healthのデータで評価した。探索コホートは42例である。対象は、2018〜2023年に治療を受け、mCSPCと記録された42例である。ガイドラインに沿った治療強化は、ADT開始から90日以内に、ドセタキセルまたは新規ホルモン療法を併用した場合と定義した。アウトカムから派生している可能性のある変数は、モデル作成の前に除いた。6種類の予測手法を、反復入れ子層別交差検証で評価した。外側では5分割交差検証を20回繰り返した。内側では5分割交差検証を3回繰り返した。再帰的特徴量削減は、外側の訓練分割の中で行った。クラス不均衡には、リサンプリングの中でSMOTEを用いて対処した。
結果：42例中32例（76.2%）が、ガイドラインに沿った治療強化を受けていた。治療パターンを解析すると、一次治療での新規ホルモン療法の使用は年々増え、ADT単独療法は減っていた。反復入れ子検証では、識別能は控えめで、モデルによってばらついた。患者単位の曲線下面積（AUC）が最も高かったのは、決定木（Decision Tree）の0.675（95%信頼区間 0.421〜0.929）だった。ランダムフォレスト（Random Forest）は、AUC 0.650（95%信頼区間 0.383〜0.917）だった。ランダムフォレストでは、正解率85.7%、適合率88.2%、再現率93.8%、F1スコア0.909だった。特徴量選択の安定性をみると、最も一貫して選ばれた予測因子は、新規ホルモン療法の保険適用だった。次に多かったのは陽性コア比率で、その次が喫煙歴だった。この3変数を、説明用の最終ランダムフォレストモデルに残した。大域的SHAP解析とランダムフォレストの重要度解析では、因子の順位はおおむね一致した。
結論：日常診療で、mCSPCの治療強化は大きく増えた。反復入れ子検証による性能推定値は、当初の単一分割解析より控えめで、ばらつきも大きかった。このことは、小規模コホートによる本研究が探索的であることを改めて示している。医療へのアクセスと一部の臨床因子は、より大規模な多施設データでさらに評価する必要がある。
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：Barton Odro E, Bychinski J, Van Alstyne T, Corsini C, Owen P, Jones CP, et al. Predictors of guideline-concordant treatment intensification in metastatic castration-sensitive prostate cancer: an explainable machine learning study. Front Oncol. 2026 Oct 13;16:1835503. doi:10.3389/fonc.2026.1835503.確認の範囲：抄録のみ確認