AIとがん研究 ── 卵巣がん ── 2026-10-23

対象誌と選び方は索引の頁に

卵巣がんの治療・治験とAI

• HRDPath：全スライド画像から相同組換え欠損を予測する、患者単位の説明可能な深層学習アーキテクチャ
  HRDPath: an explainable multi-model deep learning architecture for predicting homologous recombination deficiency from histopathology images
  Nature Communications · 2026-10-21 · 証拠の段階: 後ろ向きの観察（3つのコホートでの検証）
  抄録（全訳）

  相同組換え欠損（HRD）は、高悪性度漿液性卵管卵巣がん腫（HGSOC）の治療決定を導く重要なバイオマーカーである。HGSOCは信頼できるバイオマーカーの少ないがんである。ところが、既存のゲノム解析型HRD検査は、ばらつきがあり、高価で、時間もかかる。全スライド画像から相同組換え欠損（HRD）を予測するHRDPathを開発した。HRDPathは患者単位の深層学習アーキテクチャであり、追加の分子検査を必要としない。女性患者3コホートで検証した結果、AUCは0.846だった。HGSOCでの既報の成績を有意に上回る。患者ごとに複数のスライドを取り入れ、的を絞った最適化戦略を用いて臨床的有用性を高め、特異度・感度とも0.90に達した。特異度と感度はいずれも0.90に到達した。解釈性を担うパイプラインが、モデルの信頼性を高める。HRD陽性がんについて、臨床的・生物学的に重要な知見が明らかになった。関連する形態学的・病理学的変化が、細胞レベルと組織レベルで浮かび上がる。HRDPathは、利用しやすく拡張可能なデジタルバイオマーカーの基盤となる。この基盤は、世界の卵巣がんにおける治療の層別化の改善をめざすものである。

  掲載誌の IF 相当：18.1（OpenAlex の直近 2 年の平均被引用数・2026-10-06 時点の値、2026-10-07 に取得。正式な IF（Clarivate）ではない）
  書誌：Wu CI, Banda K, Arora R, Soong TR, Radke M, Dillon M, et al. HRDPath: an explainable multi-model deep learning architecture for predicting homologous recombination deficiency from histopathology images. Nat Commun. 2026 Oct 21;17(1):10870. doi:10.1038/s41467-026-78430-y.
  確認の範囲：抄録のみ確認

← この号の目次へ