AIとがん研究 ── 胃がん ── 2026-11-19
胃がんの治療・治験とAI
- Multichannel Deep Learning Radiomics for Predicting Chemoimmunotherapy Response in Gastric Cancer: Multicenter Validation and Chemotherapy-alone Specificity Assessment.抄録(全訳)
背景と目的: 局所進行胃がん(LAGC)で、術前化学免疫療法(NACI)による病理学的有意奏効(PSR)を予測するモデルを作り、検証することを目的とした。モデルはコンピュータ断層撮影(CT)画像を用い、多チャネルの深層学習とラジオミクスを統合する。あわせて化学療法単独のコホートでも試し、モデルが免疫療法に関連する表現型を特異的に捉えているかを調べた。
方法:多施設の研究で、LAGC 患者 455 人を対象とした。411 人は NACI を受けた患者で、学習用、内部検証用、外部テストセット 1 に分けた。残る 44 人は化学療法単独を受けた患者で、テストセット 2 とした。 三次元(3D)のセグメンテーションから、横断・冠状・矢状の各断面で最大のスライスを取り出した。これらを 3 チャネルの入力として重ね、事前学習済みの ResNet50 で深層特徴を抽出した。ラジオミクス特徴は 3D の体積から抽出した。 特徴を融合し、LASSO(最小絶対値収縮選択演算子)で絞り込んだ。そのうえでサポートベクターマシンでモデル化し、深層学習ラジオミクス(DLR)シグネチャーを作った。統合モデルには、さらにミスマッチ修復の状態、PD-L1 の複合陽性スコア、腫瘍グレードを加えた。 性能は曲線下面積(AUC)、較正、決定曲線解析で評価した。解釈のために SHAP を併用した。
結果:多チャネルモデルは単一断面のモデルより性能が高かった(AUC 0.783、0.749、0.706)。AUC が最も高かったのは DLR モデルである(0.827、0.802、0.776)。ラジオミクスのみのモデル(0.756、0.712、0.691)と、多チャネルの深層モデルを上回った。重要なのは、化学療法単独のコホートで AUC が 0.597 に低下したことである。SHAP により、特徴の寄与を全体と個別の両面で示せた。
結論:多チャネル DLR モデルは、LAGC で NACI への PSR を正確に予測する。化学療法単独のコホートでは性能が大きく下がった。このことから、モデルが捉えた画像表現型は、一般的な化学療法への感受性よりも、免疫療法に関連した奏効と結びついている可能性がある。治療前の層別化に使える、非侵襲で解釈可能なツールとなる可能性がある。
掲載誌の IF 相当:3.5(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:Ran C, Wang C, Chu G, Kong D. Multichannel Deep Learning Radiomics for Predicting Chemoimmunotherapy Response in Gastric Cancer: Multicenter Validation and Chemotherapy-alone Specificity Assessment. Acad Radiol. 2026 Nov [Epub ahead of print]. doi:10.1016/j.acra.2026.10.035. PMID: 43039808.確認の範囲:抄録のみ確認