AIとがん研究 ── 前立腺がん ── 2026-11-08

対象誌と選び方は索引の頁に

前立腺がんの治療・治験とAI

• 前立腺がんのリスク層別化での bpMRI 由来画像表現の価値と、その臨床文脈による違い
  Clinical Context-Dependent Value of bpMRI-Derived Imaging Representations for Prostate Cancer Risk Stratification.
  Journal of imaging informatics in medicine · 2026-11-05 · 証拠の段階: 後ろ向きの観察（2 キャンパス、独立テストコホートあり）
  抄録（全訳）

  目的は、バイパラメトリック MRI（bpMRI）由来の画像表現が前立腺がん（PCa）のリスク層別化にもたらす価値を、臨床の文脈別に評価することである。特に、前立腺特異抗原（PSA）がグレーゾーンにある患者で、画像特徴が補完的な情報をもたらすかに注目した。この後ろ向き研究は 2 キャンパスで行った。対象は、病理学的に PCa が確定し、治療前に bpMRI を受けた 536 例である。NCCN 基準に従い、患者を低・中リスクと高リスクに分けた。キャンパス 1 の患者は、無作為に訓練コホートと内部テストコホートに分けた。キャンパス 2 の患者は独立テストコホートとした。T2 強調画像、拡散強調画像、見かけの拡散係数マップから特徴を抽出した。抽出した特徴は、ラジオミクス、Vision Transformer、CLIP（contrastive language-image pretraining）の特徴である。さらに、臨床モデルと、臨床情報と画像を組み合わせた統合モデルを構築した。性能は、ROC 解析、較正、決定曲線解析、SHAP による解釈で評価した。PSA グレーゾーンでの評価は事前に規定した。独立テストコホートでは、統合モデルの全体的な識別能が最も高く、AUC（ROC 曲線下面積）は 0.921 だった。臨床ベースラインモデル（AUC 0.907）が僅差でこれに続いた。画像のみのモデルでは、ラジオミクスモデルの全体 AUC が最も高かった（0.844）。SHAP では PSA が主要な予測因子だった。これは、全体の性能が臨床情報に支えられていることを示す。PSA グレーゾーンでは、臨床モデルと統合モデルの性能が低下した（AUC はそれぞれ 0.381 と 0.600）。一方、CLIP は AUC が最も高く（0.785）、正味の利益も良好であった。bpMRI 由来の画像表現が PCa のリスク層別化にもたらす価値は、文脈によって変わる。PSA に基づく情報が役に立ちにくい場面では、CLIP 由来の表現が補完的な識別能をもたらす可能性がある。この結果は、画像 AI モデルを文脈に応じて評価することを支持する。

  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：Zou F, Xiong H, Chen J, Qiao X, Ai G, Wu Y, et al. Clinical Context-Dependent Value of bpMRI-Derived Imaging Representations for Prostate Cancer Risk Stratification. J Digit Imaging Inform med. 2026 Nov 5 [Epub ahead of print]. doi:10.1007/s10278-026-02490-1.
  確認の範囲：抄録のみ確認
• 前立腺がんの外照射放射線治療後の生化学的再発を予測する AI 支援 MRI：システマティックレビューとメタアナリシス
  Artificial Intelligence–Assisted Magnetic Resonance Imaging for Predicting Biochemical Recurrence After External Beam Radiation Therapy in Prostate Cancer: A Systematic Review and Meta-Analysis
  Open Science Framework · 2026-11-04 · 証拠の段階: システマティックレビューとメタアナリシス（抄録は方法の記述のみで、結果はない）
  抄録（全訳）

  このシステマティックレビューとメタアナリシスでは、MRI に基づく人工知能（AI）モデルの性能を評価する。予測の対象は生化学的再発（BCR）である。対象患者は、根治的な外照射放射線治療（EBRT）を受けた前立腺がん患者で、ホルモン療法の併用の有無は問わない。レビューで扱うのは、MRI 由来の情報を使う機械学習・深層学習・ラジオミクスの予測モデルである。MRI 情報を単独で使うモデルも、臨床・病理・臨床検査の変数と組み合わせるモデルも含む。主な目的は、感度、特異度、受信者動作特性曲線下面積（AUC）を用いてモデルの性能を統合することである。あわせて、研究間の異質性と統合推定値の頑健性も検討する。報告は PRISMA 2020 と PRISMA-DTA のガイダンスに従う。データ抽出は、予測モデル研究向けの CHARMS チェックリストに基づいて行う。

  掲載誌の IF：不明（照合できず）
  書誌：[No authors listed]. Artificial Intelligence–Assisted Magnetic Resonance Imaging for Predicting Biochemical Recurrence After External Beam Radiation Therapy in Prostate Cancer: A Systematic Review and Meta-Analysis. Open Science Framework. [Epub ahead of print]. doi:10.17605/osf.io/kmh3s.
  確認の範囲：抄録のみ確認

← この号の目次へ