AIとがん研究 ── 膀胱がん ── 2026-10-23
膀胱がん 1 本。筆頭: 膀胱がんの細胞診画像からリンパ節転移と無病生存を予測するマルチタスク深層学習モデル：多施設研究と複数がん種での細胞診検証
膀胱がんの治療・治験とAI
- Multitask Deep Learning Model for Predicting Lymph Node Metastasis and Disease‐Free Survival From Cytology Images in Bladder Cancer: A Multicenter Study With Pan‐Cytology Validation抄録（全訳）
膀胱がんの個別化治療には、リンパ節転移（LNM）と生存転帰の正確な予測が欠かせない。しかし、その予測は臨床ではまだ難しい。膀胱がんのLNMと無病生存期間（DFS）を同時に予測する、細胞診基盤のマルチタスク予測ネットワーク（CytoNet）を開発した。子宮頸がんと甲状腺がんでも汎用性を評価した。対象は多施設コホートの5273例である。内訳は膀胱がん1134例、子宮頸がん598例、甲状腺がん3541例。自己教師あり事前学習、教師ありファインチューニング、マルチタスク予測の三段階を経てCytoNetを構築した。膀胱がんのLNM予測では、全コホートで曲線下面積（AUC）0.831〜0.881を達成した。DFS予測のC指数は0.680〜0.710だった。性能は、単一タスクモデルや標準的な画像診断による評価を上回った。子宮頸がんでは、LNM予測（AUC 0.847〜0.862）とDFS予測（C指数 0.690〜0.709）の両方で頑健な性能だった。甲状腺がんのLNM予測ではAUC 0.819〜0.855だった。結論として、CytoNetは複数のがん種で細胞病理画像からLNMと予後を予測できる信頼できるツールである。現在の臨床意思決定に有用な補助となる可能性がある。臨床での有用性を確かめるには、さらなる前向き検証が必要である。
掲載誌の IF 相当：9.5（OpenAlex の直近 2 年の平均被引用数・2026-10-18 時点の値、2026-10-19 に取得。正式な IF（Clarivate）ではない）書誌：Hong G, Jiang F, Xie Y, Huang X, Shen R, Wang Y, et al. Multitask Deep Learning Model for Predicting Lymph Node Metastasis and Disease‐Free Survival From Cytology Images in Bladder Cancer: A Multicenter Study With Pan‐Cytology Validation. Advanced Science. 2026 Oct 21 [Epub ahead of print]. doi:10.1002/advs.76577.確認の範囲：抄録のみ確認