AIとがん研究 ── 脳腫瘍 ── 2026-10-18
脳腫瘍の治療・治験とAI
- Pathology-guided multimodal transformer predicts postoperative survival benefit from adjuvant chemotherapy in glioma: from DNA damage repair to immune characterization抄録（全訳）
はじめに：高悪性度神経膠腫（HGG）は悪性度の高い原発性脳腫瘍である。再発率が高く、予後も悪い。補助療法としてのテモゾロミド（TMZ）で得られる生存上の利益は、患者によって大きく異なる。治療の層別化に使える信頼性の高い術前バイオマーカーは、まだ少ない。本研究の目的は、HGG 患者で補助 TMZ による生存上の利益を術前に予測するモデルを作ることである。このモデルは解釈可能なマルチモーダル深層学習モデルで、全スライド病理画像とマルチパラメトリック MRI を統合する。
方法：Transformer を基盤とするマルチモーダル融合モデルを提案した。全スライド病理画像からは、弱教師ありクラスタリングで主要な腫瘍領域を特定した。そこから、注意機構に基づくマルチインスタンス学習で病理特徴を抽出した。これと並行して、マルチパラメトリック MRI の各シーケンスから腫瘍亜領域の 2.5D 特徴を得た。これらのモダリティの特徴を、Transformer エンコーダで深く融合した。モデルの開発と検証には、多施設コホート（504 例）を用いた。モデルの生物学的基盤は、トランスクリプトーム解析、遺伝子セット濃縮解析、タンパク質間相互作用ネットワーク、免疫デコンボリューションで探った。
結果：融合モデルの曲線下面積（AUC）は、訓練コホートで 0.910、内部検証コホートで 0.861、外部検証コホートで 0.833 であった。トランスクリプトーム解析では、利益の大きい患者で DNA 損傷修復の過程の関与が示唆された。DNA 修復能の亢進が TMZ への感受性に寄与している可能性がある。免疫デコンボリューションでは、利益の大きい群で M1 マクロファージの浸潤が多く、制御性 T 細胞が少なかった。この所見は、免疫抑制の弱い腫瘍微小環境と整合する。重要な点として、利益の小さい患者では、TMZ 化学療法を完遂した患者のほうが生存期間が短かった。比較の対象は、同時化学放射線療法のみ、または手術のみを受けた患者である。
結論：このモデルで、標準的な TMZ 化学療法の利益を受けにくい患者を特定できる。本モデルは、HGG において術後の個別化した治療層別化と、治療戦略の最適化に使えるツールとなる。
掲載誌の IF 相当：5.5（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：Li Z, Duan X, Lian J, Li X, Liang Q, Liu X, et al. Pathology-guided multimodal transformer predicts postoperative survival benefit from adjuvant chemotherapy in glioma: from DNA damage repair to immune characterization. Front Immunol. 2026 Oct 16;17:1845251. doi:10.3389/fimmu.2026.1845251.確認の範囲：抄録のみ確認 - Qualität und Anwendbarkeit von automatisierten Segmentierungen von Hirntumoren bei der Evaluation des Nutzens von APT- und NOE-CEST bei 3 T bei individuellen Patienten抄録（全訳）
成人型びまん性神経膠腫は、成人で最も多い悪性脳腫瘍であり、予後は非常に悪い。神経膠腫の診断と治療を最適化し個別化するには、神経放射線学的診断が欠かせない。代謝 MRI では、化学交換飽和移動（CEST）でコントラストを作る手法が有望である。この技術は、脳腫瘍とその分子的特性を調べることや、治療を評価することに使える。CEST 画像を観察・評価するには、正確にセグメンテーションした腫瘍モデルが必要である。しかし患者ごとの腫瘍セグメンテーションは時間がかかり、神経放射線の専門知識も要る。そのため、深層学習を用いた自動腫瘍セグメンテーションの重要性が大きく高まっている。
そこで本研究では、第一に、BraTS-Toolkit による自動セグメンテーションを、手作業で作成し検証済みのセグメンテーションと比べた。目的は、自動セグメンテーションの質、用途、適用可能性を評価することである。第二に、CEST 画像の信号強度レベルを、腫瘍の領域（壊死/嚢胞、造影増強域、浮腫）ごとに調べた。ここでのねらいは、APT（アミドプロトン移動）強調と NOE（核オーバーハウザー効果）強調の CEST 画像の違いを示すことである。比べた条件は、WHO グレード、イソクエン酸脱水素酵素（IDH）の変異状態、撮像時期である。この研究群で、CEST 画像が治療方針の決定に寄与しうるかを調べることが目的であった。
対象は 51 例の患者データである。内訳は、神経膠腫 36 例、腫瘍に似た病変 15 例であった。MRI は臨床用の磁場強度 3 T で撮像した。APT 強調 CEST は飽和 B1 = 2.22 µT、NOE 強調 CEST は飽和 B1 = 0.6 µT で撮像した。神経膠腫と病変は BraTS-Toolkit で自動セグメンテーションし、その後 3D Slicer で手作業により修正した。CEST 画像の信号強度レベルの評価では、3D Slicer でまずセグメンテーションを CEST の撮像範囲に合わせて切り出した。続いて、セグメンテーションを CEST のアーチファクトに合わせて調整した。さらに、対側半球の正常に見える白質に参照セグメントを置いた。追加の検討用に、融合セグメント（造影増強域＋FLAIR 高信号域）も作った。最後に、3D Slicer で信号強度値を測定した。
自動セグメンテーションの評価では、平均 Dice 係数の中央値は、治療後の患者で 0.8、腫瘍類似病変で 0.81 であった。一方、初診患者では 0.64 で、これらを下回った。神経膠腫の患者では、とくに壊死/嚢胞領域で Dice 係数の低い例が多かった（図 18）。主な原因は、自動セグメンテーションで壊死/嚢胞領域が大きく取られすぎたことである（例を図 14 に示す）。WHO グレードと診断との関係では、造影増強を伴う高グレードの星細胞腫と膠芽腫で Dice 係数が良好であった。
APT の信号強度レベルは、原則として参照セグメントより高かった（図 54）。また APT の信号強度レベルは、初診群で治療後群より高かった。IDH 野生型腫瘍では、IDH 変異型腫瘍より高い傾向があった（図 57）。治療後群では、WHO グレードが高いほど APT の信号強度レベルも高かった（図 34）。NOE の信号強度レベルは、一貫して参照セグメントより低かった（図 55）。IDH 変異型腫瘍では、NOE の信号強度レベルが野生型より低かった（図 48）。NOE の信号強度レベルについては、WHO グレードや治療状況に関する傾向を示せなかった。
結論として、自動セグメンテーションの結果は良好であった。ただし、形態的に非典型的な腫瘍では壊死/嚢胞領域のセグメンテーションに問題があった。これは、造影増強域がなく、T2 で高信号を示す腫瘍を指す。CEST 画像は、有望で興味深いコントラストを示す。とくに APT 強調画像では、治療状況と変異状態について明確な傾向がみられた。しかし、ばらつきがあるため、個々の患者の治療方針決定に使える段階にはまだない。
掲載誌の IF：不明（照合できず）書誌：[No authors listed]. Qualität und Anwendbarkeit von automatisierten Segmentierungen von Hirntumoren bei der Evaluation des Nutzens von APT- und NOE-CEST bei 3 T bei individuellen Patienten. Universitätsbibliothek Tübingen. [Epub ahead of print]. doi:10.15496/publikation-125797.確認の範囲：抄録のみ確認