AIとがん研究 ── 肝臓がん ── 2026-11-02

対象誌と選び方は索引の頁に

肝臓がんの治療・治験とAI

• 肝細胞がんの悪性度の非侵襲的評価と再発リスク予測のための CT 病変基盤モデル
  A CT Lesion Foundation Model for Non-Invasive Assessment of Hepatocellular Carcinoma Aggressiveness and Prediction of Recurrence Risk.
  Advanced science (Weinheim, Baden-Wurttemberg, Germany) · 2026-11-01 · 証拠の段階: 観察研究（内部・外部コホートでのモデル開発と検証）
  抄録（全訳）

  肝細胞がん（HCC）は今も世界のがん関連死の主な原因の一つであり、根治切除後の再発率も高い。手術方針の決定と術後の経過観察には、腫瘍の悪性度と再発リスクを非侵襲的に正確に評価することが欠かせない。しかし、従来の画像検査ではこの評価はまだ難しい。

  本研究では CT 病変基盤モデル（LFM）を開発した。学習には、一般的な病変の CT パッチ 32,120 枚と HCC に特化した CT パッチ 6,387 枚を用い、自己教師あり学習で訓練した。目的は、他の課題にも転用できる病変内部の画像表現型をとらえることである。

  検証には、内部検証コホート 1 つと外部検証コホート 2 つを用いた。逐次的に事前学習した LFM（LFM-Seq）の曲線下面積（AUC）は、微小血管浸潤（MVI）の評価で 0.916、0.846、0.920 であった。病理学的グレードの評価では 0.833、0.885、0.795 であった。訓練データが少ない場合や腫瘍の位置情報にずれがある場合でも、モデルの頑健さは保たれた。

  さらに、LFM-Seq から得たリスクスコアで無再発生存期間（RFS）を層別できた。外部検証での C-index は 0.701 であった。このスコアは、臨床病理学的因子で調整した後も RFS と独立して関連していた。生物学的な解釈を探索的に解析したところ、LFM-Seq によるリスク表現型は、リンパ球に関わる免疫プログラムの抑制と関連していた。

  これらの結果から、CT 病変基盤モデルは次の三点に役立つことが示唆される。HCC の悪性度を非侵襲的かつ頑健に評価すること、再発リスクを層別すること、解釈可能な予後画像バイオマーカーを見つけることである。

  掲載誌の IF 相当：9.5（OpenAlex の直近 2 年の平均被引用数・2026-10-18 時点の値、2026-10-19 に取得。正式な IF（Clarivate）ではない）
  書誌：Xia W, Shen Z, Li M, Lu J, Xia J, Cheng Y, et al. A CT Lesion Foundation Model for Non‐Invasive Assessment of Hepatocellular Carcinoma Aggressiveness and Prediction of Recurrence Risk. Advanced Science. 2026 Nov 1 [Epub ahead of print]. doi:10.1002/advs.78587.
  確認の範囲：抄録のみ確認
• 肝細胞がんでの TNFRSF4 の予後予測価値：2 領域 CT 画像モデルによる検討
  The prognostic value of TNFRSF4 in hepatocellular carcinoma using a two-zone CT imaging model
  Heliyon · 2026-10-30 · 証拠の段階: 後ろ向きの観察
  抄録（全訳）

  はじめに特に、手術前に TNFRSF4 のレベルを予測するラジオミクスモデルの開発を目指した。このモデルはコンピュータ断層撮影（CT）に基づき、腫瘍そのものか腫瘍周囲の変化のいずれかを用いる。

  方法：がんゲノムアトラス（TCGA）の HCC 患者 286 例のゲノムデータと、がん画像アーカイブ（TCIA）の 35 例の動脈相造影 CT データを用いた。これらを予後解析とラジオミクス特徴量の抽出に使った。 機械学習アルゴリズムには、最大関連最小冗長（mRMR）や再帰的特徴量削減（RFE）などを用いた。全腫瘍モデルと全腫瘍・腫瘍周囲モデル（全腫瘍と腫瘍周囲 3 mm の領域が対象）を構築した。モデルの正確度は受信者動作特性曲線で評価した。 結果と結論 全腫瘍モデルでは、mRMR で最適な特徴量 20 個を抽出し、続いて RFE で代表的なサブセット 3 個に絞り込んだ。ロジスティック回帰モデルと組み合わせると、受信者動作特性曲線下面積（AUC）は訓練セットで 0.813、検証セットで 0.759 であった。 次に全腫瘍・腫瘍周囲モデルを構築した。特徴量は mRMR で 20 個を抽出し、RFE で典型的なサブセット 4 個を得た。このモデルの AUC は、訓練セットで 0.871、検証セットで 0.803 であった。 結論として、腫瘍そのものと腫瘍周囲の情報に基づくラジオミクスモデルで、HCC 患者の TNFRSF4 発現を予測でき、全生存期間との関連も予測できた。

  掲載誌の IF 相当：9.5（OpenAlex の直近 2 年の平均被引用数・2026-10-18 時点の値、2026-10-19 に取得。正式な IF（Clarivate）ではない）
  書誌：Ye R, Wang S, Li Y, He Q. The prognostic value of TNFRSF4 in hepatocellular carcinoma using a two-zone CT imaging model. Heliyon. 2026 Nov;12(16):e45637. doi:10.1016/j.heliyon.2026.e45637.
  確認の範囲：抄録のみ確認

← この号の目次へ