AIとがん研究 ── 胃がん ── 2026-10-25

対象誌と選び方は索引の頁に

胃がんの治療・治験とAI

• 内視鏡生検の全スライド画像を用いたマルチモーダル Transformer による早期胃がんリンパ節転移の術前リスク評価
  Multimodal Transformer-Based Preoperative Risk Assessment of Lymph Node Metastasis in Early Gastric Cancer Using Whole Slide Images of Endoscopic Biopsies
  Annals of Biomedical Engineering · 2026-10-22 · 証拠の段階: 観察研究（モデル開発）
  抄録（全訳）

  早期胃がん（EGC）では、内視鏡治療と外科治療のどちらを選ぶかを決めるうえで、リンパ節転移（LNM）を術前に正確に評価することが重要である。計算病理学の研究の多くは、根治的胃切除のあとに得た切除標本を使っている。このため、術前の判断に活かすには本来的に限界がある。本研究では、術前の内視鏡生検の全スライド画像（WSI）から LNM リスクを推定するマルチモーダル人工知能（AI）の枠組みを作った。狙いは、手術前に臨床医が治療戦略を最適化するのを支援し、患者の不要な手術リスクを減らすことである。

  開発したのは Transformer に基づくマルチモーダルモデルである。このモデルは、臨床情報で誘導する共注意（co-attention）機構により、病理特徴量と臨床変数を融合する。断片的な生検標本には、もともと得られる情報が乏しいという問題がある。これを補うため、手術組織の WSI から粘膜と粘膜下層の領域を切り出し、疑似生検として使った。さらにカリキュラム学習（CL）を取り入れ、理想的な疑似生検から実際の生検標本へとモデルを移行させた。

  データセットは、手術組織の WSI 1,099 枚と内視鏡生検の WSI 189 枚からなる。解析の結果、曲線下面積（AUC）は手術組織の WSI で 0.759、術前の内視鏡生検の WSI で 0.727 であった。内視鏡生検の WSI 向けのマルチモーダル AI 枠組みで、T1 の EGC の LNM リスクを術前に評価できる実現可能性が示された。この枠組みは、研究段階の臨床意思決定支援ツールとして、臨床医の術前リスク層別化を支援する有望な可能性をもつ。これは、今後の外科的管理の最適化に向けた予備的な一歩となる。

  掲載誌の IF 相当：2.8（OpenAlex の直近 2 年の平均被引用数・2026-10-24 時点の値、2026-10-25 に取得。正式な IF（Clarivate）ではない）
  書誌：Niu X, Wang S, Yu J, Tian M, Tang Z. Multimodal Transformer-Based Preoperative Risk Assessment of Lymph Node Metastasis in Early Gastric Cancer Using Whole Slide Images of Endoscopic Biopsies. Ann Biomed Eng. 2026 Oct 22 [Epub ahead of print]. doi:10.1007/s10439-026-04380-7.
  確認の範囲：抄録のみ確認

← この号の目次へ