がん治療のための新しいAIツール

• ハーバード大学医学部の科学者らが、複数のがん種にわたって多様な診断タスクを実行できる、ChatGPTのような汎用性の高いAIモデルを設計した
• この新しいAIシステムは、がん診断における現在の多くのAIアプローチを一歩先へ進めるものとなっている
• 現在のAIシステムは通常、がんの存在検出や腫瘍の遺伝子プロファイル予測といった特定のタスクを実行するよう訓練されており、少数のがん種でしか機能しない傾向がある
• 一方で新モデルは幅広いタスクを実行でき、19種類のがんでテストされており、ChatGPTのような大規模言語モデルに似た柔軟性を持つ
• 近年、病理画像を基盤とする医療診断向けの他の基盤AIモデルも登場しているが、これは患者転帰を予測し、複数の国際的な患者グループで検証された初のモデルとみなされている
• 腫瘍組織スライドの読影で動作するAIモデル
  • がん細胞を検出し、画像に見られる細胞の特徴に基づいて腫瘍の分子プロファイルを、現在の多くのAIシステムより高い精度で予測する
  • 複数のがん種にわたって患者の生存を予測し、手術、化学療法、放射線治療、免疫療法など標準治療に対する患者の反応に関連する腫瘍周辺組織（腫瘍微小環境）の特徴を正確に見つけ出す
  • 患者生存との関連が知られていなかった特定の腫瘍特性を識別するなど、新たな洞察を生み出せる可能性があるようだ
• 研究チームは、この結果が、標準的ながん治療に十分反応しない可能性のある患者の特定を含め、臨床医ががんを効率的かつ正確に評価する能力を高められることを示す証拠が増えていると述べている
• Kun-Hsing Yuは「さらなる検証が行われ広く展開されれば、私たちのアプローチや類似のアプローチによって、特定の分子変異を標的とする実験的治療の恩恵を受けられる可能性があるがん患者を早期に特定できるだろう」と述べた

訓練と性能

• このチームの最新研究は、大腸がんと脳腫瘍の評価のためのAIシステムに関するYuの以前の研究に基づいている。以前の研究では、特定のがん種および特定のタスクにおいて、このアプローチの実現可能性が実証された
• CHIEF（Clinical Histopathology Imaging Evaluation Foundation）と呼ばれる新モデルは、1,500万枚のラベルなし画像を関心領域に分割して訓練された
• このツールは、肺、乳房、前立腺、大腸、胃、食道、腎臓、脳、肝臓、甲状腺、膵臓、子宮頸部、子宮、卵巣、精巣、皮膚、軟部組織、副腎、膀胱を含む組織の60,000枚の全スライド画像で追加訓練された
• モデルが画像の特定のセクションと全体画像の両方を見るように訓練することで、ある領域の特定の変化を全体文脈と関連付けることができた。研究者らは、このアプローチにより、CHIEFは特定領域だけに集中するのではなく、より広い文脈を考慮して画像をより全体的に解釈できるようになったと述べている
• 訓練後、研究チームは世界24の病院と患者コホートから収集した32の独立データセットにおいて、19,400枚超の全スライド画像でCHIEFの性能をテストした
• 全体としてCHIEFは、がん細胞検出、腫瘍起源の特定、患者転帰の予測、治療反応に関連する遺伝子およびDNAパターンの特定などのタスクで、他の最先端AI手法を最大36%上回った
• CHIEFは多様な訓練のおかげで、腫瘍細胞が生検で得られたか外科的切除で得られたかにかかわらず同等に良好な性能を示した
• また、がん細胞サンプルのデジタル化に使われた技術にかかわらず、精度は同一だった
• 研究者らは、この適応力によりCHIEFは多様な臨床環境で利用可能であり、特定の技術で得た組織を読む場合にのみ良好に機能しがちな現在のモデルを超える重要な一歩を示していると述べている

がん検出

• CHIEFはがん検出でほぼ94%の精度を達成し、11のがん種を含む15のデータセットで現在のAIアプローチを大きく上回った
• 独立コホートから収集した5つの生検データセットで、CHIEFは食道、胃、大腸、前立腺など複数のがん種にわたり96%の精度を達成した
• 研究者らが以前に見たことのない大腸、肺、乳房、子宮内膜、子宮頸部の外科切除腫瘍スライドでCHIEFをテストしたところ、モデルは90%以上の精度を示した

腫瘍の分子プロファイル予測

• 腫瘍の遺伝的構成は、将来の挙動と最適な治療法を決定する重要な手がかりを提供する
• この情報を得るため、腫瘍専門医は腫瘍サンプルのDNAシーケンシングを依頼するが、世界的に見て、がん組織のこうした詳細なゲノムプロファイリングは費用と時間のため定期的または均一には行われていない
• CHIEFは顕微鏡スライドを見て腫瘍のゲノム変異を予測する点で、現在のAI手法を上回った
• この新しいAIアプローチは、がんの増殖および抑制に関連するいくつかの重要な遺伝子に結びつく特徴をうまく識別し、腫瘍がさまざまな標準治療にどの程度反応し得るかに関連する主要な遺伝的変異を予測した
• CHIEFはまた、大腸腫瘍が免疫チェックポイント阻害と呼ばれる免疫療法の一形態にどの程度反応し得るかに関連する特定のDNAパターンも検出した
• 全組織画像を見る場合、CHIEFは、よく変異する54のがん遺伝子において70%以上の全体精度で変異を識別し、ゲノムがん予測のための現在の最先端AI手法を上回った。特定のがん種の特定遺伝子については精度がさらに高かった
• 研究チームはまた、15の解剖学的部位にまたがる18の遺伝子について、FDA承認の標的治療への反応と関連する変異を予測するCHIEFの能力もテストした。CHIEFは、びまん性大細胞型B細胞リンパ腫という血液がんで一般的なEZH2遺伝子変異の検出で96%、甲状腺がんでのBRAF遺伝子変異で89%、頭頸部がんでのNTRK1遺伝子変異で91%の精度を達成するなど、複数のがん種で高い精度を達成した

患者生存予測

• CHIEFは、初期診断時に得られた腫瘍の組織病理画像に基づいて患者生存を予測することに成功した
• すべてのがん種および研究対象患者群において、CHIEFは長期生存患者と短期生存患者を識別した
• CHIEFは他モデルより8%優れた性能を示し、進行がん患者では他のAIモデルより10%優れた性能を示した
• CHIEFの高死亡リスクと低死亡リスクの予測能力は、17の異なる機関の患者サンプルでテストされ確認された

腫瘍の挙動に関する新たな洞察の抽出

• このモデルは、腫瘍の攻撃性および患者生存に関連する画像の特徴的パターンを識別した
• これらの関心領域を可視化するため、CHIEFは画像にヒートマップを生成した。人間の病理医がこうしたAI由来のホットスポットを分析したところ、がん細胞と周辺組織の相互作用を反映する興味深いシグナルが見られた
• そのような特徴の1つは、短期生存者と比べて長期生存者の腫瘍領域にはより多くの免疫細胞が存在していたことだった。Yuは、免疫細胞の存在が多いことは、免疫系が腫瘍を攻撃するために活性化されていることを示し得るため、この発見は妥当だと指摘している
• 短期生存者の腫瘍を見ると、CHIEFは、さまざまな細胞成分間の異常なサイズ比、細胞核におけるより多くの非定型的特徴、細胞間の弱い結合、腫瘍周辺領域における結合組織の存在低下などを特徴とする関心領域を識別した。これらの腫瘍では周囲により多くの死につつある細胞も存在していた。たとえば乳房腫瘍では、CHIEFは組織内壊死（早期の細胞死）の存在を関心領域として指摘した。対照的に、生存率の高い乳がんでは健康な組織に似た細胞構造が保たれている可能性が高かった。研究チームは、生存に関連する視覚的特徴や関心領域はがん種によって異なると説明している

次のステップ

研究者らは、以下の方法でCHIEFの性能を改善し機能を拡張する計画だと述べている:

• 希少疾患および非がん性疾患の組織画像で追加訓練を行う
• 細胞が完全にがん化する前の前がん組織サンプルを含める
• 攻撃性レベルの異なるがんを識別する能力を高めるため、モデルをより多くの分子データにさらす
• 標準治療に加えて、新しいがん治療の利益と副作用も予測できるようモデルを訓練する

GN⁺の意見

• この研究は、がん診断および治療計画立案のためのAI技術の進展を示している。特に複数のがん種に適用可能な汎用モデルを開発した点に意義がある
• ただし、実際の臨床現場に適用するには、より多くのデータによる検証と、医師とAIが効果的に協働できる方法の整備が必要になるだろう。診断の正確性や責任の所在といった解決すべき課題も残っている
• 類似技術としては、病理画像解析によってがんを診断するPaige.AIやProsciaなどの企業がある。これらは特定のがん種に特化したソリューションを提供しており、汎用性の面ではこの研究と差別化されている
• AIベースのがん診断技術を導入する際には、医療従事者の役割変化、診断プロセスの改善、医療報酬の調整など、さまざまな社会的合意と制度整備が必要になるだろう。同時に、AIのバイアス問題、個人情報保護の課題など、技術的・倫理的リスクも綿密に検討する必要がある
• 将来的に、がん組織の分子生物学的特性まで総合的に分析し、薬剤反応性まで予測できるAI技術が開発されれば、精密医療の実現に大きく寄与すると期待される