AIとがん研究 ── 脳腫瘍 ── 2026-11-12
脳腫瘍の治療・治験とAI
- Survival Prediction from Public Brain Metastasis MRI Cohorts: A Positive-Control and Permutation-Based Feasibility Evaluation抄録(全訳)
脳転移の公開 MRI コホートは、予後モデルの構築に広く使われている。しかし、使える症例数でそのエンドポイントを識別できるかどうかは、ほとんど検証されていない。
本研究では、2 つの公開コホートで 8 つの臨床エンドポイントを評価した。対象は Yale/BraTS-MET(199 例、うち死亡 74 例)と OpenBTAI/MOLAB(75 例、全例死亡)である。特徴量には、病変を中心に切り出した nnU-Net エンコーダの埋め込みと、PyRadiomics の特徴量を用いた。解析では、患者単位でまとめた交差検証と、ラベルの並べ替え(permutation)を行った。
陽性対照には、患者単位のテント下への病変の関与を用いた(バランス精度 0.60)。Graded Prognostic Assessment(GPA)スコアは、OpenBTAI のラジオミクスから推定できた(ρ = 0.42)。一方、脳年齢はどちらのコホートでも推定できなかった。多重性を補正した後も有意だったエンドポイントは、原発腫瘍の種類だけであった(偶然の 1.3 倍)。
生存エンドポイントでは、臨床モデルでも、事前に計画したグラフモデルでも効果は見られなかった(C 指数 0.50、P = 0.49)。埋め込みを使った探索的な線形モデルでは C 指数 ≈ 0.58 だった(P = 0.07、未補正)。ただし、PyRadiomics の特徴量では、この結果を再現できなかった。進行はどの定義でも、ファミリーワイズの補正後に有意なものは残らなかった。
シミュレーションでは、検出力 80% を得るには、真の C 指数が約 0.68〜0.76 必要だった。したがって、生存で効果が見られなかったからといって、中程度の効果は否定できない。全例が死亡したコホートでは、GPA で生存を層別できなかった(P = 0.18)。改訂の作業中に見つかったデータ抽出の誤りは修正した。
掲載誌の IF 相当:4.3(OpenAlex の直近 2 年の平均被引用数・2026-10-15 時点の値、2026-10-16 に取得。正式な IF(Clarivate)ではない)書誌:Bao X, Wang J, Zhao X. Survival Prediction from Public Brain Metastasis MRI Cohorts: A Positive-Control and Permutation-Based Feasibility Evaluation. J Imaging. 2026 Nov 8;12(11):560. doi:10.3390/jimaging12110560.確認の範囲:抄録のみ確認 - Clinical-Radiomic Integration for Postoperative Glioma Recurrence and Survival Prediction抄録(全訳)
術後の磁気共鳴画像(MRI)には、神経膠腫の予後に関わる解剖学的特徴と組織の特徴が捉えられる。本研究では MU-Glioma-Post を用い、臨床および分子的な予測に対して、区画(compartment)ごとの画像特徴量がどの程度寄与するかを評価した。
ラジオミクスを使える患者は 187 例だった。最初に得られた術後 MRI(TP1)の後を予測の起点とした。180 日以内の再発・進行の予測には 111 例、365 日以内の死亡の予測には 114 例が適格だった。
モデルは、臨床情報のみ、ラジオミクスのみ、両者の統合の 3 種類のエラスティックネット・ロジスティックモデルを作った。評価には、入れ子の交差検証と、あらかじめ固定した内部ホールドアウトを使った。
再発では、統合モデルの受信者動作特性曲線下面積(AUROC)は、開発時の out-of-fold(OOF)で 0.742 だった。ホールドアウトでは 0.786(95% 信頼区間 0.562〜0.959)だった。画像だけの構成で最も成績が高かったのは形態(morphology)だった(OOF AUROC 0.724)。SHAP による特徴量の順位では、周りの非造影 FLAIR 高信号域の平坦度(flatness)が最上位だった。
探索的解析として、入れ子交差検証を繰り返し実施した。臨床予測因子に形状・体積・領域の有無の特徴量を加えると、再発の平均 AUROC は 0.743 から 0.794 に上がった。臨床予測因子にラジオミクス全体を組み合わせた場合は 0.747 だった。
死亡の判別では、主に臨床予測因子が効いていた。平均 AUROC は、臨床予測因子のみで 0.774、形態を加えると 0.777、ラジオミクス全体を加えると 0.768 だった。
これらの結果は、術後の形状が再発に関わる情報の有望な供給源であることを示している。また、形態の特徴量を臨床予測因子に絞って統合する方針も支持された。
掲載誌の IF 相当:7.1(OpenAlex の直近 2 年の平均被引用数・2026-11-09 時点の値、2026-11-11 に取得。正式な IF(Clarivate)ではない)書誌:Farokhi Nia S, Shafaie V, Movahedi Rad M. Clinical-Radiomic Integration for Postoperative Glioma Recurrence and Survival Prediction. Mach Learn Knowl Extr. 2026 Nov 8;8(11):372. doi:10.3390/make8110372.確認の範囲:抄録のみ確認