AIが病理スライドを解析して膵臓がんの再発を予測する

メイヨー・クリニックの研究者らは、人工知能（AI）を活用した空間解析が、日常的に用いられる病理スライドのパターンを識別し、治療と手術後に再発リスクが高い膵臓がん患者を臨床医が特定する手助けになる可能性があることを突き止めました。

Clinical Cancer Researchに掲載されたこの研究は、残存がんの量だけでなく、どのように組織化されているかを観察することが、再発リスクの推定を将来的に改善する可能性があることを示唆しています。特に、手術前に化学療法へ限られた反応しか示さなかった腫瘍を持つ患者では、そうした情報が有用になる可能性が高いと考えられます。

がんと周囲組織、すなわちストローマがより断片的で混在したパターンを示す患者は、再発がより早く起こる傾向がありました。残存がんの量だけでは、高リスクと低リスクを信頼性をもって区別することはできませんでした。

「現在の病理評価は、治療後に残っている腫瘍の量を大まかに示すにとどまります。我々は、残存するがんの地理的分布が再発リスクに関する追加の生物学情報を明らかにできるかどうかを知りたかったのです」と、メイヨー・クリニックの腫瘍科医・博士のライアン・カー医師は語ります。

カー医師と彼のチームは、標準的な病理スライド上で癌とストローマ領域を特定するAIツールを用い、これらの領域がどのようにパッチを形成し、境界を作り、混在した領域を生み出すかを測定して、再発リスクが高いことと関連する空間パターンを評価しました。

この研究は、手術前に治療を受けた膵管腺癌（PDAC）患者203名の組織を分析しましたが、病理反応は限定的でした。研究者らは、AI対応のデジタル病理プラットフォームを、景観生態学から取り入れられた手法と組み合わせ、標準的なH&E染色標本を分析しました。アプローチは、組織の形状、断片化、がんとストローマの混在度を測定しました。

この作業は、がんに対する生態学的原理を適用するカー博士の広範な研究に基づいています。彼のチームは機械学習と空間解析を用いて膵臓がんの生態系をマッピングし、がん細胞が近接する細胞や組織とどのように相互作用するかを研究しています。これらの関係は、治療抵抗性と再発に影響を与える可能性があります。

2つの空間的指標は、病期、リンパ節の状態、その他の確立された臨床および病理リスク因子を考慮したうえでも、無病生存期間を予測しました。あるモデルでは、ハイリスク患者の再発リスク調整後が71％高く、別のモデルではハイリスク患者のリスクが2倍以上高いことが示されました。これらの空間モデルは、標準的な指標（残存がんの量を含む）が十分でない場合でも、高リスクと低リスクの患者を区別するのに役立ちました。

この手法は、日常の医療の一環としてすでに作成されている病理スライドを用いるため、追加の組織検査を必要とせず、再発リスクを示唆する追加情報を臨床医に提供する可能性があります。

「この情報は組織内にすでに存在している点が興味深いです」とカー博士は述べます。「AI対応の分析は、肉眼で捉えにくい特徴を測定する手段を私たちに与え、術後のリスク評価にさらなる精度の層を加える可能性があります。」

さらに、研究は、高リスクの空間パターンががん内部の免疫細胞を少なく含み、免疫細胞が腫瘍の周囲に集まりがちで、腫瘍内部へは入りにくいことを示唆しました。この発見は、治療抵抗性と病状の挙動における腫瘍マイクロ環境の重要性を強調しています。

より広く、この研究はデータと技術を用いてリスクを早期に予測し、病状が進行する前に重大な病を食い止める機会を創出するというメイヨー・クリニックのPrecure（プレキュア）研究の優先事項と整合しています。「長期的な目標は、どの患者が依然として最大のリスクを抱えるかをより明確に特定し、その知識を最終的により個別化された経過観察、補助療法、臨床試験設計の指針へと活用することです」とカー博士は語ります。

研究者らは、結果は有望であるものの、このアプローチを臨床判断に役立てる前に前向き研究で確認する必要があると述べています。

この研究は、ゲストナー家財団キャリア開発賞、グランドフォークス キャリア開発賞、メイヨー・クリニック臨床・翻訳科学センター、ARPA-HのADAPTプログラムの一部の支援を受けています。著者一覧、開示事項、資金提供の全リストについては、本研究を参照してください。

出典: メイヨー・クリニック