AIとがん研究 ── 肝臓がん ── 2026-10-28
肝臓がんの治療・治験とAI
- Deep Learning Radiomics to Predict Vessels Encapsulating Tumor Clusters and Prognosis in Hepatocellular Carcinoma Based on Gd-EOB-DTPA-Enhanced MRI.抄録（全訳）
腫瘍細胞塊を包み込む血管構造（VETC）は、肝細胞がん（HCC）の予後不良と有意に関連し、患者の生存や診療の進め方にも影響する。本研究の目的は、Gd-EOB-DTPA 造影 MRI に基づく深層学習（DL）ラジオミクスモデルで、HCC の VETC パターンを術前に予測できるか評価することである。2016 年 1 月から 2024 年 8 月までに Gd-EOB-DTPA 造影 MRI を受け、病理で HCC と確定した患者を後ろ向きに登録した。視覚的に評価した画像所見を集め、臨床・画像（CR）モデルを作った。深層学習の特徴量と人手設計のラジオミクス特徴量は、動脈相、門脈相、肝胆道相から抽出した。特徴量の選択と DL ラジオミクスモデルの構築には LASSO を用いた。多変量ロジスティック回帰でハイブリッドモデルと、それに対応するノモグラムを作った。モデルの判別能は ROC 曲線下面積（AUC）で定量化した。無再発生存期間（RFS）の予測因子は Cox 回帰で調べた。学習コホートでは、ハイブリッド DL ラジオミクスノモグラムの AUC が最も高く 0.92 であった。訓練コホートの AUC は、DL モデルが 0.87、ラジオミクスモデルが 0.80、CR モデルが 0.74 であった。ただし内部検証コホートでは DL モデル単独の判別能のほうが良く、AUC 0.87、感度 0.80、特異度 0.87 であった。VETC の状態、AST 値、腫瘍内の壊死が RFS の独立した予測因子となり、これらを VAI 予後モデルに組み込んだ。VAI モデルの AUC は 0.75（95% 信頼区間 0.68〜0.80）で、従来の 3 つの予後評価法（0.52〔95% 信頼区間 0.46〜0.59〕から 0.58〔95% 信頼区間 0.51〜0.64〕の範囲）より有意に高かった。Gd-EOB-DTPA 造影 MRI に基づくハイブリッド DL ラジオミクスモデルは、学習コホートで VETC 予測に良好な判別能を示した。一方、内部検証コホートでは DL モデル単独のほうが良い成績であった。VAI モデルを使えば、肝切除を受ける患者の術後 RFS を個別に予測できる。
掲載誌の IF 相当：3.9（OpenAlex の直近 2 年の平均被引用数・2026-10-13 時点の値、2026-10-15 に取得。正式な IF（Clarivate）ではない）書誌：Wang M, Wang Y, Cao L, Shen Y, Xi D, Yan R, et al. Deep Learning Radiomics to Predict Vessels Encapsulating Tumor Clusters and Prognosis in Hepatocellular Carcinoma Based on Gd-EOB-DTPA-Enhanced MRI. J Digit Imaging Inform med. 2026 Oct 26 [Epub ahead of print]. doi:10.1007/s10278-026-02456-3.確認の範囲：抄録のみ確認