AIとがん研究 ── 前立腺がん ── 2026-10-22

対象誌と選び方は索引の頁に

前立腺がんの治療・治験とAI

• T2強調MRIラジオミクスによる前立腺がんの術前頂部断端リスク予測：頂部に腫瘍が描出される症例を対象として
  Preoperative apical margin risk estimation from T2-weighted MRI radiomics in prostate cancer with MRI-visible apical tumors: toward multidisciplinary decision support.
  Asian journal of andrology · 2026-10-20 · 証拠の段階: 後ろ向きの予測モデル開発・検証研究
  抄録（全訳）

  この後ろ向き研究では、T2強調像（T2WI）に基づくラジオミクスモデルを開発・検証した。対象は前立腺がんに対して根治的前立腺全摘除術を受ける患者で、頂部の陽性切除断端（PSM）を術前に予測することを目指した。対象は計235例（頂部PSMあり74例、なし161例）で、訓練セット164例（69.8%）と独立テストセット71例（30.2%）に無作為に分けた。適格基準は、手術前6週間以内に多パラメトリックMRIを撮影していること、前立腺尖部に及ぶか接する指標病変があること、尖部断端の status が確定していること、神経温存なしの標準的な根治的前立腺全摘除術を受けたことである。尖部の評価やROIの設定に不十分な画像の例、経尿道的前立腺切除術の既往例、術前アンドロゲン遮断療法を受けた例は除外した。T2WIから計1409個のラジオミクス特徴量を抽出した。正規化と高相関特徴量（|r| > 0.99）の除去の後、再帰的特徴量除去法により最適な6特徴量を選択した。勾配ブースティングマシンモデルを構築し、ROC曲線下面積（AUC）、Brierスコア、決定曲線解析で性能を評価した。頂部PSM率は31.5%だった。テストセットでは、AUC 0.874、Brierスコア0.120、正確度87.3%、感度81.8%、特異度89.8%だった。最も重要な特徴量は歪度で、モデルへの寄与率は34.8%だった。尖部PSMは前立腺外進展と有意に関連し（P = 0.001）、腫瘍断端モデルで正味の臨床的利益が最も大きかった。T2WIに基づくラジオミクスは、前立腺がんにおける個別化した術前リスク評価と手術計画の立案を支援しうる。

  掲載誌の IF 相当：2.8（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：Liu Y, Zhao YZ, Liu S, Gao XS, Ma MW. Preoperative apical margin risk estimation from T2-weighted MRI radiomics in prostate cancer with MRI-visible apical tumors: toward multidisciplinary decision support. Asian J Androl. 2026 Oct 20 [Epub ahead of print]. doi:10.4103/aja202625. PMID: 42902531.
  確認の範囲：抄録のみ確認
• TexTNet：全スライド画像における前立腺がんのGleasonグレード分割に向けた、テクスチャ誘導型の階層的アーキテクチャ
  TexTNet: a texture-guided hierarchical architecture for prostate cancer Gleason segmentation in whole slide images
  Frontiers in Medicine · 2026-10-19 · 証拠の段階: 公開データセットを用いたAI手法開発研究
  抄録（全訳）

  前立腺がんは男性に最も多い悪性腫瘍の一つである。Gleasonグレードの正確な領域分割は、診断と治療計画の立案に不可欠である。ところが既存の深層学習手法は、畳み込みニューラルネットワーク（CNN）とTransformerの相補的な特徴量の融合をうまく扱えないことが多い。多くは連結や加算といった単純な手法で特徴を融合している。このやり方ではテクスチャと大域的文脈の長所を生かしきれず、分割性能が限られる。そこで本研究は、新規のテクスチャガイド型階層アーキテクチャTexTNetを提案する。局所二値パターン（LBP）の特徴量をSwin Transformerのクエリ射影に組み込み、テクスチャガイド注意機構を作った。これにより腺の縁や核の集簇などテクスチャに富む領域にTransformerの注意が向き、分割精度が上がる。特徴融合の強化には、境界のぼやけを抑えるDual Path Squeeze-Fusion-Excitation（DP-SFE）モジュールを用いた。効率的な特徴量抽出のため、非対称畳み込みブロック（ACB）も導入した。さらにCDFAは、デコーダでの特徴融合の際に、位置を正確に再構成し、ノイズを抑える。SICAPv2、PANDA、ProstateX、HuBMAPの各データセットでTexTNetを評価した。前立腺がんの領域分割では、既存の最先端手法を上回る性能を示した。TexTNetは臨床意思決定支援ツールとして有望である。複雑な実世界の組織病理画像で頑健な性能を示し、前立腺がんのグレード判定の信頼性向上につながる可能性がある。

  掲載誌の IF 相当：2.6（OpenAlex の直近 2 年の平均被引用数・2026-10-08 時点の値、2026-10-09 に取得。正式な IF（Clarivate）ではない）
  書誌：Arshad M, Chengliang W, Wajeeh Us Sima M, Shaikh JA, Alkhalaf S, Alturise F. TexTNet: a texture-guided hierarchical architecture for prostate cancer Gleason segmentation in whole slide images. Front Med. 2026 Oct 19;13:1815031. doi:10.3389/fmed.2026.1815031.
  確認の範囲：抄録のみ確認

← この号の目次へ