AIとがん研究 ── 2026-10-23
がんと AI に関わる新しい論文を、各誌のホームページの配信・PubMed（誌を問わない検索）・OpenAlex（Google Scholar の代わりの公開の索引）から集め、Jev（言葉の判断をする AI）が「原著研究か」「AI が中心か」「13 のテーマのどれか」「治療・治験に関わるか」を判定し、重要度の高いものから 1 日の上限まで選んだ一覧です。誌の IF では絞らず、論文ごとに掲載誌の IF 相当（OpenAlex の直近 2 年の平均被引用数）とその時点を示します。各論文の抄録（アブストラクト）を全文和訳して載せています（Claude による機械翻訳。原文は題のリンク先）。
がん種別に読む: がん一般（1） · 乳がん（0） · 肺がん（1） · 膵がん（0） · 前立腺がん（0） · 腺様嚢胞癌（0） · 脳腫瘍（1） · 卵巣がん（1） · 子宮体がん（0） · 胃がん（0） · 肝臓がん（0） · 腎臓がん（0） · 膀胱がん（1）
がん一般の分子生物学の進展とAI
- Inferring flux-based metabolic fingerprints from gene expression to predict drug response and facilitate patient stratification抄録（全訳）
代謝の再プログラミングは多くの疾患、とりわけがんの特徴である。遺伝子発現データから代謝状態を解析する既存の方法は、臨床応用に必要な分解能と解釈性をしばしば欠く。遺伝子シグネチャー型の手法は代謝ネットワークの構造を単純化する。遺伝子ベースのシグネチャー手法は、代謝ネットワークの構造を単純化し、統計的な偏りにも弱く、研究間で再現性が低い。そのため、ネットワーク構造を踏まえ、機序に基づく代替手法が求められる。
CircumSpectrumという計算フレームワークを開発した。遺伝子発現プロファイルを、フラックスに基づく代謝フィンガープリントへ変換する。CircumSpectrumは、ゲノムスケール代謝モデルと、142の機能的代謝サブシステムで学習した機械学習分類器を統合して構築した。メトホルミンを投与された患者の独立したトランスクリプトームコホートを複数用い、検証した。メトホルミンは広く使われる抗糖尿病薬で、がん領域での重要性が増している。対象は健康な人、2型糖尿病患者、がん細胞株にわたる。従来の遺伝子シグネチャー法とパスウェイエンリッチメント法を比較対象に、ブートストラップ分類精度で性能を評価した。従来の遺伝子シグネチャー手法と経路エンリッチメント手法が比較対象である。
その結果、治療効果の識別ではCircumSpectrumが従来の遺伝子シグネチャー手法を上回った。再現性は、データセット、プラットフォーム、種を超えて保たれた。メトホルミン投与コホートでは、標準的なトランスクリプトーム解析で検出されない代謝適応が見つかった。これらの薬剤誘導性の代謝適応は、表現型、サブシステム、個別反応の各水準で捉えられた。健康人と糖尿病患者の代謝応答に、疾患特異的な違いも見られた。がん種を超えて保存された経路の組み替えも見つかった。
CircumSpectrumは、患者コホート、実験モデル、シングルセルデータからマルチスケールの代謝プロファイリングを可能にする。遺伝子発現データから、複雑な表現型について構造化され解釈しやすい知見が得られる。この手法には幅広い応用の可能性がある。代謝の脆弱性の特定、薬剤の作用機序の解明、さまざまな疾患での精密治療戦略の支援に役立つ可能性がある。
細胞は疾患や治療に応じて代謝を絶えず適応させている。ところが、遺伝子活性データからこうした変化を調べる現在の方法は不正確で、再現も難しいことが多い。そこでCircumSpectrumという計算ツールを作った。大規模な生物ネットワークモデルに機械学習を組み合わせ、遺伝子発現の測定値を詳細な代謝「フィンガープリント」に変える。検証には、糖尿病治療薬として一般的で、がんへの応用も広がりつつあるメトホルミンを使った。よく使われる抗糖尿病薬で、がんでの使用が検討され始めている。複数の患者研究とがん種にわたって試した。CircumSpectrumは、標準的な方法では見落とす代謝変化を見つけた。異なるデータセット、さらには異なる種でも一貫して見つけた。この結果から、薬剤が代謝レベルでどう働くかをよりよく理解できる見込みがある。糖尿病、がん、その他の代謝性疾患の治療をより精密に導く可能性がある。
Polleyらは、ゲノムスケールモデルと機械学習でRNAシークエンシング（RNA-seq）をフラックス型代謝フィンガープリントに変えるフレームワーク、CircumSpectrumを報告した。臨床コホートとがんコホートでメトホルミンについて性能を評価した。従来の遺伝子シグネチャー手法と比べて良好な性能を示し、薬剤の作用機序を表現型、サブシステム、反応の各水準で示唆した。
掲載誌の IF 相当：6.0（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：Polley N, Kaoma T, Nazarov PV, Sarry JE. Inferring flux-based metabolic fingerprints from gene expression to predict drug response and facilitate patient stratification. Commun Med. 2026 Oct 21 [Epub ahead of print]. doi:10.1038/s43856-026-01970-3.確認の範囲：抄録のみ確認
乳がんの治療・治験とAI
この号では、新しい該当論文はありませんでした。
肺がんの治療・治験とAI
- Machine learning–derived intracellular protein–based prognostic model reflecting a senescence-associated secretory phenotype-driven immunosuppressive microenvironment in lung adenocarcinoma抄録（全訳）
背景：肺腺がん（LUAD）を対象に、老化関連分泌表現型（SASP）関連遺伝子と腫瘍免疫微小環境（TIME）や臨床転帰との関連を調べた。併せて、リスク層別化と治療反応の探索的予測向けに予後シグネチャーを構築・評価した。
方法：非負値行列因子分解（NMF）で分子サブタイプを分類した。予後に関わる中核的なSASP遺伝子の選択には、最小絶対縮小選択演算子（LASSO）、ランダムフォレスト、XGBoostを用いた。選択したSASP関連遺伝子の発現パターンは、マルチオミクスデータ、LUAD細胞株、臨床検体で調べた。
結果：クラスター1は全生存期間（OS）が有意に短く、細胞老化経路の活性が強かった。クラスター1は、全生存期間（OS）が有意に短く、老化経路の活性が高く、計算で推定した免疫抑制・免疫排除の特徴を伴っていた。機械学習で選んだ5つの細胞内SASP制御因子は、ANGPTL4、CDKN2A、H2AX、MMP1、CCL20である。これらでSASPタンパク質制御因子スコア（SASP-PRS）を構築した。SASP-PRSが高い群では、細胞老化／SASP経路と細胞周期経路の活性化、抗腫瘍免疫シグネチャーの抑制が見られた。免疫チェックポイント分子とケモカインの発現プロファイルも特徴が異なっていた。SASP-PRSの高値は、病期の進行やOS不良と関連した。SASP-PRSが高いと、免疫療法への反応性は低く、エルロチニブへの感受性は低く、選定した化学療法薬への感受性は高いと予測された。SASP-PRSを組み込んだノモグラムは、解析した肺腺がんコホートで1年・3年・5年OSを予測する識別能と較正性を示した。 SASP関連遺伝子の発現パターンは、肺腺がんの分子サブタイプ、老化シグナル、計算で推定した免疫特徴、治療関連の転帰と関連することが示唆された。SASP-PRSはLUADの予後層別化バイオマーカー候補となる。ただし治療反応評価での有用性は探索的段階である。臨床応用可能性を確立し、SASP関連ネットワークとLUAD免疫微小環境を結ぶ機序を明らかにするには、前向き外部検証と機能研究が必要である。
掲載誌の IF 相当：3.7（OpenAlex の直近 2 年の平均被引用数・2026-10-22 時点の値、2026-10-23 に取得。正式な IF（Clarivate）ではない）書誌：Chang X, Jiang L, Zhang L, Ren T, Fan C, Li P. Machine learning–derived intracellular protein–based prognostic model reflecting a senescence-associated secretory phenotype-driven immunosuppressive microenvironment in lung adenocarcinoma. PeerJ. 2026 Oct 21;14:e21835. doi:10.7717/peerj.21835.確認の範囲：抄録のみ確認
膵がんの治療・治験とAI
この号では、新しい該当論文はありませんでした。
前立腺がんの治療・治験とAI
この号では、新しい該当論文はありませんでした。
腺様嚢胞癌の治療・治験とAI
この号では、新しい該当論文はありませんでした。
脳腫瘍の治療・治験とAI
- Agentic Automation of BT-RADS Scoring Using an End-to-End System for Standardized Glioma Follow-up Assessment抄録（全訳）
脳腫瘍報告データシステム（BT-RADS）は、びまん性グリオーマ患者の治療後MRI効果判定を標準化する。ただし、画像の推移、薬剤の影響、放射線治療の時期を複雑に組み合わせた判断が求められる。BT-RADS分類を自動化するエンドツーエンドのマルチエージェントシステムを開発し、評価した。このシステムは、大規模言語モデルと畳み込みニューラルネットワークで構成される。
単一施設の治療後グリオーマMRI検査509件（2017年3月〜2021年7月）を後ろ向きに評価した。抽出エージェントはgpt-oss（OpenAI、200億パラメータ）を使い、診療記録から臨床変数を取り出した。採点エージェントは、これらの変数に定量的な体積計測を組み合わせてBT-RADS判定ロジックを適用した。専門医の注釈を基準とし、システムの精度を当初の判定と比較した。
評価可能だったのは492件である。システムの総合精度は76.0%（374/492）で、当初の判定は57.5%（283/492）だった。絶対差は+18.5ポイント（P < .001）である。システムと基準のコーエンカッパ係数は0.71だった。文脈依存のカテゴリーでは感度が高かった（BT-1b 100%、BT-1a 92.7%、BT-3a 87.5%）。閾値依存のカテゴリーでは中程度だった（BT-3c 74.8%、BT-2 69.2%、BT-4 69.3%、BT-3b 57.1%）。BT-4の陽性的中率は92.9%だった。
以上の結果から、本システムを臨床意思決定支援ツールとしてさらに評価する価値がある。この結果は、データのプライバシーを保つローカルなオープンウェイト推論で、臨床意思決定支援ツールとしてさらに評価する根拠となる。©RSNA, 2026
掲載誌の IF 相当：8.3（OpenAlex の直近 2 年の平均被引用数・2026-10-22 時点の値、2026-10-23 に取得。正式な IF（Clarivate）ではない）書誌：Jabal MS, Zhang J, LaBella D, Houk JL, Zhang D, Rudie JD, et al. Agentic Automation of BT-RADS Scoring Using an End-to-End System for Standardized Glioma Follow-up Assessment. Radiology: Artificial Intelligence. 2026 Oct 21 [Epub ahead of print]. doi:10.1148/ryai.260234.確認の範囲：抄録のみ確認
卵巣がんの治療・治験とAI
- HRDPath: an explainable multi-model deep learning architecture for predicting homologous recombination deficiency from histopathology images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
子宮体がんの治療・治験とAI
この号では、新しい該当論文はありませんでした。
胃がんの治療・治験とAI
この号では、新しい該当論文はありませんでした。
肝臓がんの治療・治験とAI
この号では、新しい該当論文はありませんでした。
腎臓がんの治療・治験とAI
この号では、新しい該当論文はありませんでした。
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