AIとがん研究 ── 腎臓がん ── 2026-11-17

腎臓がんの治療・治験とAI
- Evaluating trends in treatment and outcomes of stage I renal cell carcinoma with machine learning: The RECLAIM-L (REnal cancer landscape and artificial intelligence with machine learning) database.抄録(全訳)
背景:限局性腎細胞がん(RCC)の治療選択は、ここ数年で大きく進歩した。
目的:臨床病期I期の RCC 患者について、臨床病理学的な特徴と治療成績を記述する。あわせて、術前・術後の複数の時点で生存転帰を患者ごとに予測する機械学習(ML)モデルを作る。
デザイン:単一施設の後ろ向き研究である。対象は、1990年7月〜2023年12月に臨床病期I期の RCC で治療を受けた患者とした。診断時に II〜IV 期の腎細胞がんだった患者、治療を受けなかった患者(積極的監視、基本的な支持療法のみなど)、データが不完全な患者は除外した。診断時に II〜IV 期だった患者、治療を受けなかった患者(積極的監視や基本的な支持療法のみなど)、データが不完全な患者である。
方法:extreme gradient boosting(勾配ブースティング)で ML モデルを作った。予測対象は、臨床病期I期 RCC の全生存期間(OS)、無再発生存期間(RFS)、がん特異的生存期間(CSS)、術後合併症である。生存の予測はコンコーダンス指数(C-index)で評価した。合併症の予測は、正確度の指標で評価した。
結果:1511例を解析した。生存転帰は近年のデータと同程度だった。傾向スコアマッチングで比べると、臨床病期I期の腫瘍では、根治的腎摘除術と腎部分切除術で周術期成績と生存転帰は同程度だった。ML モデルの C-index は次のとおりである。術前 OS で 0.722、術後 OS で 0.745、術前 RFS で 0.682、術前 CSS で 0.763、術後 CSS で 0.847 だった。術後合併症の予測では、感度は 79.0%、陽性的中率は 75.4% だった。
結論:三次医療機関で30年にわたる腎細胞がん診療のデータを用いた ML モデルは、妥当な予測力を示した。術前の説明や共同意思決定に役立ちうる。この予測は、手術の前後に患者の期待を調整するうえでも役立ちうる。 三次医療機関で30年にわたり蓄積した腎細胞がん(RCC)診療のデータから、機械学習モデルを構築した。このモデルは、臨床病期I期 RCC の生存転帰について頑健な予測力を示した。この予測は、術前の説明や、患者の期待の調整に役立ちうる。1511例を解析し、生存転帰は近年のデータと同程度だった。マッチングを行うと、根治的腎摘除術と腎部分切除術の周術期成績と生存転帰は同程度だった。機械学習モデルの予測精度は良好だった。
掲載誌の IF 相当:4.1(OpenAlex の直近 2 年の平均被引用数・2026-11-16 時点の値、2026-11-17 に取得。正式な IF(Clarivate)ではない)書誌:Fong KY, Gan VHL, Jonathan Aslim E, Tay KJ, Chen K, Tan YG, et al. Evaluating trends in treatment and outcomes of stage I renal cell carcinoma with machine learning: The RECLAIM-L (REnal cancer landscape and artificial intelligence with machine learning) database. Ther Adv Urol. 2026 Sep 29;18:17562872261473178. doi:10.1177/17562872261473178. PMID: 43036519.確認の範囲:抄録のみ確認