AIとがん研究 ── 膵がん ── 2026-10-22

対象誌と選び方は索引の頁に

膵がんの治療・治験とAI

• 多シーケンスMRIの二次元・三次元腫瘍内不均一性特徴を統合した機械学習モデル：膵管がんの神経周囲浸潤の高精度予測
  Machine learning models integrating 2D and 3D intratumoral heterogeneity features from multi-sequence MRI: accurate prediction of perineural invasion in pancreatic ductal adenocarcinoma
  Frontiers in Artificial Intelligence · 2026-10-20 · 証拠の段階: 多施設データによる予測モデルの開発・外部検証研究
  抄録（全訳）

  背景：神経周囲浸潤（PNI）は膵管がん（PDAC）の大半に認められ、局所再発・神経障害性疼痛・予後不良と強く関連する。しかし、術前にPNIを特定できる信頼性の高い方法はまだない。そこで本研究では、多シーケンスMRIによる腫瘍内不均一性（ITH）スコアリングを機械学習と統合した枠組みを開発し、外部検証した。目的はPDACのPNIの非侵襲的予測である。

  方法：4施設で外科的に切除された205例の術前MRI（T2強調像、拡散強調像、造影T1強調像）を用いた。内訳は訓練100例、内部テスト43例、外部検証28例と34例である。K-meansクラスタリングによる部分領域分割から、二次元・三次元のITH特徴量を抽出した。独立の臨床予測因子（腫瘍の位置、臨床T分類）を組み込み、複合予測モデルを構築した。機械学習アルゴリズム11種を系統的に評価した。

  結果：臨床＋ITH複合モデルの曲線下面積（AUC）は、内部テストセットで0.907、2つの外部検証コホートで0.860と0.869だった。対応するAUCは、ITHモデルが0.881、0.860、0.850、臨床ロジスティック回帰モデルが0.758、0.342、0.700であった。 考察：SHAP解析では、複合モデル出力への寄与が最も大きかったのはT2強調像（T2WI）由来の3特徴量だった。特徴量の効果は向きがまちまちで、一様に単調な関係にはなかった。以上の結果は、多シーケンスMRIに基づくITH定量が、術前のPNI評価に用いうる解釈可能な手法であることを示している。2つの外部手術コホートのいずれでも判別力は一貫していた。この手法は、膵がんの手術計画や補助療法の選択の指針となりうる。

  掲載誌の IF 相当：6.1（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：Ouyang Z, Song Z, Li Z, Cui S, Liu X, Shen W, et al. Machine learning models integrating 2D and 3D intratumoral heterogeneity features from multi-sequence MRI: accurate prediction of perineural invasion in pancreatic ductal adenocarcinoma. Front Artif Intell. 2026 Oct 20;9:1975752. doi:10.3389/frai.2026.1975752.
  確認の範囲：抄録のみ確認

← この号の目次へ