これらの高リスク状況を早期に特定するには、どうすればよいのだろうか。これは、リエージュ大学のGIGA（Interdisciplinary Biomedical Research Center）の実験病理学研究室でマイケル・ヘルフスのチームが行い、Trends in Molecular Medicine誌に掲載された研究の中心的な問いである。
数十年にわたり、研究者らは高リスクの発癌性HPV型感染の結果を正確に予測できるバイオマーカーの同定を追求してきた。顕著な進歩があったにもかかわらず、現在のところウイルス由来・免疫関連・分子マーカーのいずれも、自己発生的に退縮する感染とより深刻な疾病へ進行する感染を信頼性高く予測することはできない。
The main challenge may no longer be to discover a new biomarker, but rather to understand how all these biological mechanisms interact to determine the outcome of an HPV infection
Michael Herfs
この複雑さは、HPV関連の発がん性腫瘍化（健康な細胞が癌細胞へと変化する生物学的過程）の複雑で動的な性質に起因しています。感染の結果は、ウイルスの特性、宿主の免疫応答、遺伝的およびエピジェネティック要因、マイクロバイオーム、ホルモンの影響、環境暴露など、数多くの要因によって形作られます。これらの相互作用は、ウイルスによるゲノム不安定性に関連する突然変異の蓄積を含む、ランダムな生物学的イベントによってさらに複雑になります。「新しいバイオマーカーを見つけること自体が主な課題であるとは限らず、これらすべての生物学的メカニズムがどのように相互作用してHPV感染の結果を決定するのかを理解すること」が最大の課題であると、リエージュ大学のGIGAの腫瘍学者マイケル・ヘルフスは説明します。
この複雑さに直面して、Diane Bruyère、Romane Geuzaine、そしてMichael Herfsは、単一のバイオマーカーに基づくアプローチにはおそらく限界が来ていると考えています。高スループット分子プロファイリングと人工知能の最近の進歩が、新しい展望を開きつつあります。
これらの技術は、一度に大量の生物学的データを統合して、より総合的な予測モデルを構築することを可能にします。目的は、HPV感染や低グレードの前癌病変の起こりうる軌道をよりよく区別することです：自然退縮、持続、あるいはより重い病変への進展（浸潤癌を含む）です。これらの統合的アプローチは、リスク層別化を改善する最も有望な道のひとつとして現在考えられています。 「人工知能と統合モデルは、患者間で観察される生物学的軌跡の多様性をよりよく理解するのに役立ち、最終的にはリスクのより個別化された評価を提供できる可能性がある」とDiane Bruyèreは述べています。
これらの新しいモデルは大きな期待を生み出しているものの、日常診療での使用に十分な検証はまだなされていません。現在、患者の管理は依然としてHPV検査、細胞診、組織病理評価に依存しており、比較的個別化されていない経過観察と組み合わせて実施されています。
研究者らによれば、将来は単一の予測マーカーを探すことよりも、HPV感染の生物学をより広く理解することにあります。最終的には、より正確な個別リスク評価が、患者のフォローアップを個別化し、不要な介入を減らし、HPV感染を持つ人々の管理を改善する可能性があります。
出典: リエージュ大学
