AIとがん研究 ── 肝臓がん ── 2026-10-22

対象誌と選び方は索引の頁に

肝臓がんの治療・治験とAI

• 肝細胞がん患者で出血リスクが高い食道静脈瘤を特定する、機械学習とCTラジオミクスのモデル
  Machine learning-based CT radiomics for identifying high risk esophageal varices of bleeding in hepatocellular carcinoma
  Abdominal Radiology · 2026-10-20 · 証拠の段階: 後ろ向きの観察（単施設、時間的検証コホート付き）
  抄録（全訳）

  食道静脈瘤（EV）出血は肝細胞がん（HCC）患者の致死的な合併症である。現在のリスク層別化は、侵襲的な内視鏡検査や肝硬変を反映する全身の代理指標に頼っている。本研究は、食道静脈瘤（EV）に特化したCTラジオミクスで機械学習モデルを開発し、肝細胞がん（HCC）患者の内視鏡基準による高リスク食道静脈瘤を特定することを目的とした。

  HCC患者151例を登録し、訓練コホート（n = 101、高リスク75例、2017年1月〜2022年12月）と独立した時間的検証コホート（n = 50、高リスク29例、2023年1月〜2024年12月）に分けた。エンドポイントは内視鏡的スティグマ（活動性出血、または高リスク所見を伴う静脈瘤）とした。ラジオミクス特徴量は、内視鏡検査前6か月以内に撮影した造影CT画像から抽出した。モデル性能はROC曲線下面積（AUC）、Brierスコア、較正曲線、決定曲線解析（DCA）で評価した。

  訓練コホートでは、LASSO（最小絶対縮小選択演算子）で構築した静脈瘤特異的ラジオミクスシグネチャが優れた判別力を示した（交差検証AUC 0.956、95% 信頼区間 0.872〜1.000）。時間的検証コホートでもモデルは高い汎化性能を保ち、AUCは0.926（95% 信頼区間 0.846〜0.984）、感度は93.1%、特異度は71.4%だった。Brierスコアは0.1186で、較正も良好だった（切片 = -0.157、傾き = 1.354）。表面積対体積比（SVR）とNGTDMの粗さ（Coarseness）は、利用可能なラジオミクス特徴量である。静脈瘤に特異的なラジオミクスモデルは、HCC患者のEV出血について、高感度で数学的に安定した非侵襲的リスク層別化を可能にする。

  掲載誌の IF 相当：2.6（OpenAlex の直近 2 年の平均被引用数・2026-10-21 時点の値、2026-10-22 に取得。正式な IF（Clarivate）ではない）
  書誌：Li PC, Ma CY, Chang SA, Chen CC. Machine learning-based CT radiomics for identifying high risk esophageal varices of bleeding in hepatocellular carcinoma. Abdom Radiol (NY). 2026 Oct 20 [Epub ahead of print]. doi:10.1007/s00261-026-05808-3. PMID: 42900382.
  確認の範囲：抄録のみ確認

← この号の目次へ