AMAZON でお買物

30%しか効かなかった肺がん治療、AI導入で正確な予測が可能に ─ 295,581枚の画像が証明した驚きの結果

AI

奇跡の治療が始まる瞬間

医師のもとを訪れた患者は、長年の喫煙が原因で進行性の非小細胞肺がん(NSCLC)と診断されました。
治療法として免疫チェックポイント阻害薬(ICIs)が提示されましたが、医師は判断に迷っていました。
この治療が患者に効くのか、それとも効果がないのか──。
そんな医師の手元にあった新たなツールが、ディープラーニングを活用した予測モデル「Deep-IO」でした。

肺がん治療における課題と新たなアプローチ

進行性 NSCLC の治療において、ICIs は重要な選択肢の一つです。
しかし、実際に反応を示すのは 25〜30% の患者に限られており、医師による治療効果の見極めが大きな課題となっています。

従来の予測手段として、PD-L1 の発現や腫瘍変異負荷(TMB)といったバイオマーカーが使われてきました。
しかし、PD-L1 の発現が低い患者でも治療に反応することがあり、逆に発現が高い患者が反応しない場合もあるなど、これらの方法には限界がありました。
この不確実性が、治療の個別化を困難にしていたのです。

ディープラーニング技術の導入による変革

この課題に対し、研究者たちは人工知能(AI)の一種であるディープラーニング技術を活用した予測モデル「Deep-IO」を開発しました。
ディープラーニングは、人間の目では見逃してしまうような複雑なパターンを、デジタル病理画像から分析する能力を持っています。

この研究では、ヘマトキシリン・エオジン(H&E)染色された病理スライド画像を使用し、ICIs に対する治療反応を予測するために Deep-IO が開発されました。
Deep-IO は画像から治療効果を直接予測するため、より正確な診断が期待されます。

具体的な研究概要と成果

研究には、米国とヨーロッパから958名の進行性 NSCLC 患者が参加しました。
米国のダナ・ファーバー癌研究所の614名の患者を開発コホートとしてモデルの訓練に活用し、イタリア、オランダ、イギリスの3施設から集めた344名の患者を検証コホートとして性能確認に使用しました。

研究過程で分析された画像タイルは295,581枚に及び、この膨大なデータをもとに Deep-IO は汎用性の高いモデルへと発展しました。

Deep-IO のパフォーマンスの優位性

Deep-IO の性能は、予測精度を示す「受信者動作特性曲線下面積(AUC)」などの指標で評価されました。
テストセットでは0.75、検証コホートでは 0.66 という高い AUC 値を記録し、従来のバイオマーカーを用いた予測方法を大きく上回りました。
また、無増悪生存期間(PFS)や全生存期間(OS)においても、独立した予測因子として機能することが確認されました。

特筆すべきは、PD-L1 と Deep-IO の組み合わせにより予測精度が向上し、検証コホートで AUC 0.70 を達成した点です。
これは個別のバイオマーカーよりも高い信頼性を示しています。

ディープラーニングがもたらす新たな可能性

Deep-IO の最大の特徴は、デジタル病理画像分析時に事前定義された制約を必要としない点です。
これにより、ICIs の治療反応に関連する潜在的なパターンの発見が可能になります。

また、さまざまな患者サブグループや異なる施設での一貫した性能により、臨床現場での広範な適用が期待されます。
これにより、医師は患者個々に最適な治療方針をより正確に決定できるようになります。

患者にとってのメリット

この技術により、ICIs 治療が有効な患者をより正確に特定できるようになり、無駄な治療を避けつつ、効果的な治療を受ける機会が増えます。
また、患者の生物学的特性に基づいた治療計画により、医療資源の効率化と治療成績の向上が期待されます。

例えば、Deep-IO による画像解析で高い反応率が予測された患者が、実際の治療後に病状が劇的に改善するといった成功例が蓄積されれば、臨床現場での信頼性も高まるでしょう。

課題と今後の展望

Deep-IO には、一部のバイオマーカーへのデータの偏りや、病理医による手動での関心領域選択の必要性といった課題があります。
しかし、これらのプロセスの自動化により、今後さらなる精度向上と適用範囲の拡大が期待されます。

最終的な考察

Deep-IO は、がん治療における個別化医療の新たな可能性を切り開く技術です。
このモデルの導入により、医師は患者一人ひとりに最適な治療方針をより確実に選択できるようになり、生存率の向上が期待されます。

ディープラーニング技術によるがん治療の革新──その可能性に期待が高まる中、私たちは新しい医療の時代の幕開けを目の当たりにしています。

参考:Deep Learning Model for Predicting Immunotherapy Response in Advanced Non−Small Cell Lung Cancer

コメント

タイトルとURLをコピーしました