AIとがん研究 ── 前立腺がん ── 2026-11-12
前立腺がんの治療・治験とAI
- Radiomics-Based Prediction of Bone Metastases from Baseline Prostate MRI in Prostate Cancer: A Systematic Review and Critical Appraisal抄録(全訳)
序論:前立腺がんでは、診断時に骨転移があるかどうかで、根治的治療か全身療法かが決まる。しかし、詳しい病期診断に回すかどうかは、不完全なリスク層別化に頼っている。この問題に対して、磁気共鳴画像(MRI)のラジオミクスが提案されている。日常的に撮影する病期診断画像から、転移の有無を予測する方法である。
方法:本システマティックレビュー(PROSPERO CRD420261463568)では、PubMed、Embase、Cochrane CENTRAL を検索した。対象は、前立腺 MRI から骨転移の有無を予測するモデルの研究である。モデルの種類はラジオミクス、深層学習、その両者を組み合わせたハイブリッドである。評価したのは次の四点である。臨床予測因子を超える上乗せの価値、報告の完全性、ラジオミクスの方法論、バイアスのリスクである。
結果:対象は 1240 例で、うち 491 例に骨転移があり、すべて中国の研究であった。主な検証推定値に寄与したのは 322 例だった。臨床とラジオミクスを組み合わせたモデルの検証での受信者動作特性曲線下面積(AUC)は、内部検証で 0.893〜0.920、外部検証で 0.903 だった。最も高い推定値(0.928)は、臨床予測因子を含まないマルチモーダルモデルによるものだった。臨床因子だけのモデルと組み合わせモデルを比べた研究は 2 件だけだった(AUC の上乗せは 0.060 と 0.081)。
結論:報告された識別能は総じて高かった。しかし現時点のエビデンスでは、ラジオミクスが日常の臨床予測因子に価値を上乗せするとは確かめられない。これらのモデルは、検出の道具ではなく予測バイオマーカーとして捉えるのが最も適切である。通常の病期診断の基準に満たない患者で、トリアージに役立つかどうかはまだ検証されていない。今回の研究の高有病率コホート以外にも当てはまるかどうかは、証明されていない。臨床で使う前に、前向きの多施設検証が必要である。
掲載誌の IF 相当:4.9(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:Clausen NA, Temperley HC, Mulhall CB, Curtain BMM, McLoughlin LC, Kelly ME, et al. Radiomics-Based Prediction of Bone Metastases from Baseline Prostate MRI in Prostate Cancer: A Systematic Review and Critical Appraisal. BioTech. 2026 Nov 8;15(5):102. doi:10.3390/biotech15050102.確認の範囲:抄録のみ確認 - Multi-criteria drug ranking for prostate cancer using graph-theoretic descriptors and fuzzy machine learning with MARCOS decision analysis.抄録(全訳)
前立腺がんは、世界の男性で最も多く、最も危険な悪性腫瘍の一つである。そのため、治療薬を評価して順位を付けるには、体系的で数学的に厳密な方法が必要である。本研究では、グラフ理論に基づく分子記述子、ファジィ機械学習、ファジィ多基準意思決定を組み合わせた計算モデルを構築し、前立腺がん治療薬の解析と順位付けを行った。このモデルは、グラフ理論に基づく分子記述子、ファジィ機械学習、ファジィ多基準意思決定を組み合わせたものである。
選んだ前立腺がん治療薬の分子グラフを離心率(eccentricity)に基づいて分割し、一連のトポロジカル指数を求めた。これらの指数は構造上のフィンガープリントにあたる。各薬物分子の形と結合のつながりを、数学的に正確に表している。
候補薬の物理化学的性質の予測には、2 つのファジィ機械学習モデルを使った。ファジィランダムフォレスト(Fuzzy RF)とファジィ人工ニューラルネットワーク(Fuzzy ANN)である。どちらのモデルも、学習の過程にファジィ論理を組み込んでいる。ファジィ論理を学習に組み込むことで、分子の物性データがもつ不確実性を効果的にとらえ、正確で信頼できる予測が得られた。この点は従来の(ファジィでない)基準モデルとの比較で確かめた。この点は、従来の(ファジィでない)ベースラインモデルとの比較で確かめた。
続いて、予測した物理化学的性質と計算したトポロジカル指数を、有効なファジィ多基準意思決定手法である Fuzzy MARCOS(Fuzzy Measurement of Alternatives and Ranking based on the Compromise Solution)で解析した。Fuzzy MARCOS は、ファジィ多基準意思決定の有効な手法である。この方法では、すべての候補薬を、理想点と反理想点という 2 つの基準点と同時に比べる。これにより、不確実性を考慮した順位付けができる。この手法は、全候補薬を理想点と反理想点の両方に同時に照らして比べ、不確実性を考慮した順位を導く。構造と物理化学的性質の両面から、各候補薬に in silico で客観的な優先順位が付く。
提案した統合モデルは、前立腺がん治療薬の評価に対し、明確で一貫し、数学的にも裏付けのある土台を与えることが示された。この土台は、製薬分野の研究者や臨床の意思決定者に役立ちうる。
掲載誌の IF 相当:3.1(OpenAlex の直近 2 年の平均被引用数・2026-11-04 時点の値、2026-11-05 に取得。正式な IF(Clarivate)ではない)書誌:Ahmed W, Raza A, Zaman S, Abbas M, Ali P. Multi-criteria drug ranking for prostate cancer using graph-theoretic descriptors and fuzzy machine learning with MARCOS decision analysis. Computational Biology and Chemistry. 2027 Feb;126:109499. doi:10.1016/j.compbiolchem.2026.109499.確認の範囲:抄録のみ確認