AIとがん研究 ── 2026-10-28
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（0） · 膵がん（0） · 前立腺がん（0） · 腺様嚢胞癌（0） · 脳腫瘍（0） · 卵巣がん（1） · 子宮体がん（0） · 胃がん（0） · 肝臓がん（1） · 腎臓がん（0） · 膀胱がん（0）
がん一般の分子生物学の進展とAI
- Computational Design and Experimental Validation of Photoactive PARP1 Inhibitors.抄録（全訳）
光で活性化する薬は、既存の治療では副作用が重い局所の病気に対し、有望な治療手段である。ただし開発は難しい。光物理的な性質と生物学的な性質を同時に最適化しなければならないためである。本研究では計算的な手法を用い、がんの標的であるポリ（ADP-リボース）ポリメラーゼ 1（PARP1）を光で阻害する有望な候補を探した。原子レベルのシミュレーションと機械学習（ML）に基づく、最近開発した手法を使った。これにより仮想の光応答性リガンド 500 万個をスクリーニングした。
ワークフローの構成は次のとおりである。タンパク質-リガンドドッキングで、明所と暗所で PARP1 への結合が異なる候補を絞り込んだ。ML 力場と量子化学計算で pKa、吸収スペクトル、熱的半減期を予測した。さらに多くの化合物を、グラフに基づく代理モデルでスクリーニングした。励起状態の非断熱動力学を ML 力場で計算し、量子収率を推定した。自由エネルギー摂動（FEP）で結合の予測を精密化した。
これらの予測から、合成しやすい少数の候補を優先した。候補は、吸収スペクトルが長波長側へずれ、熱的半減期が秒から分程度で、可視光制御下で異性体ごとに PARP1 への結合が異なると見込まれた。候補 10 個を合成し、光挙動と PARP1 阻害定数を実験で調べた。検証された化合物のうち化合物 1 は、519 nm の緑色光の照射で PARP1 阻害が 15 倍に高まった（208.8 ± 28.3 μM 対 14.4 ± 1.9 μM）。この結果は、長波長吸収の PARP1 光阻害薬を見いだす、計算に導かれたスクリーニング戦略の妥当性を裏づける。同時に、水中での速い熱的緩和など、現時点の限界も浮かび上がった。
掲載誌の IF 相当：17.8（OpenAlex の直近 2 年の平均被引用数・2026-10-26 時点の値、2026-10-28 に取得。正式な IF（Clarivate）ではない）書誌：Axelrod S, Kašpar M, Jelínková K, Šmídková M, Bartůňková E, Štěpánová S, et al. Computational Design and Experimental Validation of Photoactive PARP1 Inhibitors. Journal of the American Chemical Society. 2026 Sep 14;148(37):39657-69. doi:10.1021/jacs.6c08644.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
この号では、新しい該当論文はありませんでした。
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
この号では、新しい該当論文はありませんでした。
卵巣がんの治療・治験とAI
- Radiogenomic Analysis of Contrast-Enhanced MRI for Predicting Pathogenic BRCA Variants in Ovarian Cancer.抄録（全訳）
本研究は、造影 MRI のラジオゲノミクス解析で卵巣がんの病的 BRCA1/2 変異を予測できるか、その実行可能性を調べた。解析対象は 26 例で、病的 BRCA1/2 変異ありが 14 例、なしが 12 例である。造影 MRI を用いて、腫瘍の二次元（2D）および三次元（3D）のセグメンテーションを作成した。PyRadiomics で抽出したラジオミクス特徴量は、LASSO（最小絶対値縮小選択）回帰で絞り込み、2 つの特徴量を選んだ。線形判別分析（LDA）モデルは 18 例で学習し、8 例で検証した。性能は感度、特異度、正確度、受信者動作特性（ROC）曲線下面積で評価した。領域抽出法どうしの AUC の比較には DeLong 検定を用いた。自動機械学習（AutoML）は学習 20 例、検証 6 例で実施し、複数の性能指標を算出した。LDA の正確度は、2D と 3D のいずれの検証データでも約 60% であった。AUC は 3D が 0.80、2D が 0.77 で、有意差はなかった（P = 0.85）。AutoML では CatBoost_BAG_L2_FULL が最適モデルとなり、正確度は 80% を超えた。MRI を用いたラジオゲノミクス解析は、卵巣がんの病的 BRCA1/2 変異の判別で中程度の性能を示した。これらの予備的な知見は、非侵襲的な予測に役立つ可能性を示唆しており、より大規模なコホートでの検証が必要である。より大きなコホートでのさらなる検証が必要である。
掲載誌の IF 相当：0.0（OpenAlex の直近 2 年の平均被引用数・2026-10-26 時点の値、2026-10-28 に取得。正式な IF（Clarivate）ではない）書誌：[No authors listed]. Radiogenomic Analysis of Contrast-Enhanced MRI for Predicting Pathogenic BRCA Variants in Ovarian Cancer. Acta medica Okayama. [Epub ahead of print]. doi:10.18926/AMO/71341.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
- 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
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
この号では、新しい該当論文はありませんでした。