AIとがん研究 ── 腎臓がん ── 2026-11-20

腎臓がんの治療・治験とAI
- Mass spectrometry and machine learning for classification and molecular phenotyping of renal cell carcinoma and benign tumors.抄録(全訳)
がんの組織亜型や良性腫瘍は、病理で分類するのが難しいことがある。細胞が不均一で、形態の特徴も似ているためである。泌尿器病理医にとって、腎細胞がん(RCC)は大きな課題である。進行RCCは偶然見つかることが多く、組織像も複雑だからである。
次の仮説を立てた。RCCと良性腫瘍の標本を質量分析で分子プロファイリングし、機械学習と組み合わせる。そうすれば腫瘍を正確に分類でき、RCCのバイオマーカー候補も特定できる。
MALDI質量分析イメージング(MALDI-MSI)と定量プロテオミクス(LC-MS)で、RCCの新生物と良性腫瘍のペプチド・タンパク質プロファイルを得た。標本は、患者126例から採取した541個の組織コアで、組織マイクロアレイ(TMA)の形式をとる。機械学習モデルで、RCCの亜型を分類した。対象は、淡明細胞型RCC(ccRCC)、嫌色素性RCC(chRCC)、乳頭状RCC(pRCC)、オンコサイトーマ(OC)である。RCCの亜型を見分けるタンパク質バイオマーカー候補のパネルを、既知・新規の両方で特定した。
RCCのペプチドマッピングは、患者単位の交差検証で評価した。ccRCCと健常組織は確実に分類できた。しかし、診断が難しいchRCCとOCは確実には見分けられなかった。定量プロテオミクスでは5000種を超えるタンパク質を特定した。定量プロテオミクスでは、4つのRCC亜型すべてを患者単位の正解率95.5%で分類できた。chRCCとオンコサイトーマも安定して見分けられた。
ccRCCとpRCCについて、新たなタンパク質バイオマーカー候補を報告する。組織像の似たOC(良性)とchRCC(悪性)も区別できた。これは、質量分析ベースの免疫組織化学で示された。ccRCCの予後バイオマーカー候補は、再発リスク(CDK6、ATM)と転移リスク(DDB2、MK03)に関与する。
質量分析と機械学習でがんの亜型と良性腫瘍を組織・分子の両面からデジタルに判別でき、後ろ向き・前向き研究に使える。これにより、後ろ向き研究も前向き研究も行える。特定されたタンパク質バイオマーカー候補は、腫瘍病理の既存プロトコルを補完する。
掲載誌の IF 相当:7.2(OpenAlex の直近 2 年の平均被引用数・2026-11-17 時点の値、2026-11-19 に取得。正式な IF(Clarivate)ではない)書誌:Sparre AA, Rabjerg M, Marcussen N, Lund L, Jensen ON. Mass spectrometry and machine learning for classification and molecular phenotyping of renal cell carcinoma and benign tumors. Molecular & Cellular Proteomics. 2026 Nov [Epub ahead of print]. doi:10.1016/j.mcpro.2026.101708.確認の範囲:抄録のみ確認