AIとがん研究 ── 胃がん ── 2026-10-26

対象誌と選び方は索引の頁に

胃がんの治療・治験とAI

• 内臓脂肪組織を加えた CT 二領域深層学習ラジオミクスによる胃がんの術前リンパ節転移予測の改善：多施設研究
  Incorporating visceral adipose tissue into dual-region deep learning radiomics on CT improves preoperative lymph node metastasis prediction in gastric cancer: A multicenter study.
  European journal of radiology · 2026-10-16 · 証拠の段階: 後ろ向きの観察（多施設）
  抄録（全訳）

  背景：胃がん（GC）では、内臓脂肪組織（VAT）が腫瘍の進行と関連する。しかし、リンパ節転移（LNM）の予測に VAT を加える価値はまだ分かっていない。

  目的：CT 画像から VAT と腫瘍の両方の特徴を取り込む二領域深層学習ラジオミクス（DR-DLR）モデルを作り、GC 患者の LNM を予測することを目指した。あわせて、モデルの生物学的な意味も調べた。

  方法：3 つの臨床施設から GC 患者 855 例を後ろ向きに集めた。患者は、主コホート、内部テストコホート 1 つ、独立した外部検証コホート 2 つに分けた。CT 画像からの画像表現の抽出には、Attention Residual Transformation Network（ARTNet）を用いた。この特徴表現と臨床変数を多層パーセプトロン（MLP）で統合し、DR-DLR モデルを作った。評価項目は、モデルの性能、汎化性、予後予測能、生物学的な意義である。評価には、内部・外部テスト、放射線科医との比較、生存解析、ラジオゲノミクス解析を用いた。

  結果：VAT 由来の特徴を加えると、腫瘍だけのモデルより予測性能が上がった。DR-DLR モデルの受信者動作特性曲線下面積（AUC）は、内部テストコホートで 0.898（95% 信頼区間 0.817〜0.946）だった。2 つの外部テストコホートでは、それぞれ 0.834（95% 信頼区間 0.743〜0.897）と 0.848（95% 信頼区間 0.775〜0.901）だった。LNM の評価では、若手と熟練のどちらの放射線科医よりも成績がよかった。全生存期間は、高リスクの患者で低リスクの患者より短かった。ラジオゲノミクス解析では、高リスクの表現型が免疫関連経路の活性化と関連していた。CD4+ T 細胞、形質細胞、樹状細胞、肥満細胞の浸潤の増加とも関連していた。

  結論：DR-DLR モデルで LNM の予測が改善した。このモデルによる高リスク表現型は、免疫関連の分子変化と関連していた。この結果は、術前のリスク層別化にこのモデルが役立つことを支持する。

  掲載誌の IF 相当：3.6（OpenAlex の直近 2 年の平均被引用数・2026-10-11 時点の値、2026-10-12 に取得。正式な IF（Clarivate）ではない）
  書誌：Miao S, Xiong Z, Yang H, Zhang L, Qi H, Liu Z, et al. Incorporating visceral adipose tissue into dual-region deep learning radiomics on CT improves preoperative lymph node metastasis prediction in gastric cancer: A multicenter study. European Journal of Radiology. 2027 Jan;206:113309. doi:10.1016/j.ejrad.2026.113309.
  確認の範囲：抄録のみ確認

← この号の目次へ