AIとがん研究 ── がん一般 ── 2026-11-01
がん一般の分子生物学の進展とAI
- New heuristic method for cancer classification using gene expression data.抄録（全訳）
背景：本研究の目的は、がんを分類する新しい特徴選択法を開発し、評価することである。この手法は、局所探索アルゴリズムに基づく特徴選択法（LSFS）に遺伝的アルゴリズム（GA）を組み合わせたもので、高次元の遺伝子発現データに用いる。
方法：研究期間は 2022〜2024 年で、2 つの医学研究センター（ブルガリアのソフィア、ロシアのモスクワ）のデータを用いた。6 つの公開データセットを元データとし、30,000 件を超える患者記録を解析した。データセットには、GEO と TCGA のデータベースから得た血液がん、乳がん、結腸がんなどの情報が含まれる。解析の前処理として、正規化、外れ値の除去、対数変換などを行った。提案手法の有効性は、ランダムフォレスト、サポートベクターマシン、ニューラルネットワークなどの最新の機械学習アルゴリズムで評価した。
結果：LSFS + GA 法で、正確度、感度、特異度などの分類指標を最大化できることが分かった。具体的には、データセットにより、分類の正確度は 8〜15%、感度は 10〜20%、特異度は 5〜10% 改善した。データのノイズも 12〜18% 減った。モデルの有効性はエントロピーの低下で示され、分類の確信度が 6〜9% 高まったことを表す。交差検証や分散分析（ANOVA）などの統計解析で、新手法による改善の統計的有意性が確認された（P < 0.05）。
結論：開発したアルゴリズムでは、分類の正確度を維持または向上させながら、計算の複雑さを大幅に減らせる。より信頼性の高い結果を得やすくなるため、この点はがんデータの解析で重要である。本研究の結果は、局所探索法と遺伝的アルゴリズムの組み合わせが、バイオインフォマティクスの高次元分類問題に役立つ可能性を示している。
掲載誌の IF 相当：5.3（OpenAlex の直近 2 年の平均被引用数・2026-10-02 時点の値、2026-10-03 に取得。正式な IF（Clarivate）ではない）書誌：Gu S, Savina T, Monov D, Gorozhanina E. New heuristic method for cancer classification using gene expression data. Cancer Imaging. 2026 Aug 19;26(1):151. doi:10.1186/s40644-026-01111-y. PMID: 42963784.確認の範囲：抄録のみ確認