AIと画像データ融合で頭頸部がんのリスク評価を革新

前向きながん研究：AIを使って首と頸部のがん診断を革新 背景と目的 がん研究者たちは、腫瘍を研究するためのさまざまなツールを使用している。ヒストロジカルステインでは、組織細胞を顕微鏡スライド画像で可視化するための染色を行い、CTス캔では腫瘍のサイズ、位置、進行具合を特定することが可能である。エピジェネティクス分析は、がんの成長と遺伝子の調整を追跡する。これらの異なる「レンズ」を統合して、より深いがんリスクと予後の洞察を得るというアイデアは、人工知能（AI）を用いて実現される可能性がある。 主要研究と成果 エモリー大学のEmpathetic AI for Health Institute所長であるAnant Madabhushi博士と、Winship Cancer Instituteの研究者らが最近、4つの研究を通じて、より正確ながんリスク評価の方法を開発した。Madabhushi博士は、「個々のツールを見れば、腫瘍全体の包括的な像を見逃してしまう。放射線 SCALE、細胞 SCALE、顕微鏡 SCALE のデータを融合させることで、初めて腫瘍の真の複雑性が明らかになる」と述べている。 首と頸部のがんへの焦点 これらの4つの研究は特に、喉頭がんを中心としている。Madabhushi博士によると、このタイプのがんは急増しており、さまざまな複雑性を持つため、AIが提供する洞察が有効である可能性がある。 VISTAプラットフォームの利用 第1の研究（European Journal of Cancer）では、VISTAと呼ばれるAIプラットフォームが開発され、標準的なヘマトキシリンおよびエオジン（H&E）染色の組織スライドから、擬似免疫組織化学（IHC）スライドを生成し、腫瘍関連マクロファージ（TAMs）を識別することに成功した。TAMsは、多くの種類のがんで予後を示す重要な役割を持つが、標準的なH&Eスライドでは識別が困難である。 Swin Transformerでのデータ融合 第2の研究（JAMA Network Open）では、Swin Transformerという機械学習プログラムを使って、前治療CTスキャンから原発腫瘍と頸部のリンパ節の属性と特徴を抽出し、統合することで長期予後に大きく影響を与える因子を特定した。 第3の研究（eBioMedicine）では、Swin Transformerを改良してSMuRFと呼ばれるモデルを開発し、2DのH&E組織スライド画像と3Dの放射線画像を自由に切替しながら解析できるようにした。これにより、CTスキャンの原発腫瘍と頸部のリンパ節の情報を、組織スライドの情報と組み合わせることができ、患者の生存率だけでなく、化学療法に特に利益を得る患者を特定することも可能になった。 病理ゲノミック指紋の導入 第4の研究（European Journal of Cancer）では、組織スライド画像とがんのエピジェネティクスデータをリンクするために、新しいモデルである病理ゲノミック指紋が導入された。首と頸部のがんは形状と大きさが多様で、診断と治療を複雑にしており、このモデルを用いて tumor cellsの視覚的な構造と genetic controlpatternsを結びつけ、腫瘍の形成を制御すると考えられるエピジェネティクスパターンを理解することが可能となった。 改善されたがんリスク評価 4つの研究すべてにおいて、組み合わさったデータによるがんリスク評価が、単一のデータソースに基づく評価と同等か、それ以上に精度が高かった。これらのツールが医師に利用可能になると、より具体的な患者への介入が可能になると考えられる。 業界関係者の見解と会社概要 共著者のNabil Saba教授（Winship Cancer Institute）は、AIの性能を臨床に展開する前に慎重になる必要があると指摘している。「大量のデータを生成することは重要だが、それが患者ケアに寄与するかどうかを評価し、最良の治療法を提供するためのデータ分析を行うことが最も重要です」と述べている。 Emory UniversityのEmathetic AI for Health Instituteは、健康およびがん研究におけるAIの活用を推進しており、今後さらなる進展が期待されている。