この記事のポイント
- 韓国の浦項工科大学が、遺伝子情報からがん免疫療法の反応性を事前予測するAI手法を開発しました。
- 腫瘍の老化微小環境に着目した段階的モデリングにより、データ不足による過学習の課題を克服しています。
- 4種類のがんで現行の臨床バイオマーカーを上回る予測性能を示し、独立したコホートでも高い安定性を実証しました。
免疫療法の課題と治療効果予測の必要性
がん細胞を直接攻撃する従来の治療法とは異なり、免疫療法は患者自身の免疫システムを活性化してがんと戦うアプローチです。効果が持続しやすいという利点がある一方で、すべての患者に効果が現れるわけではありません。
事前に効果が見込める患者を特定できなければ、患者は高額な治療費を負担するだけでなく、より適した別の治療法を受ける機会を逃してしまう恐れがあります。そのため、免疫療法が有効かどうかを正確に予測することは、臨床における重要な課題となっていました。
個別差の大きい腫瘍微小環境とAIの過学習リスク
効果予測を難しくしている要因の1つが、人によって大きく異なる腫瘍微小環境です。その中でも老化細胞は免疫細胞の活性を抑え、免疫の働きを阻害します。これらの要素は非常に複雑で個人差が大きいため、医師が個別に評価することは困難であり、AIの活用が模索されてきました。
しかし、AIによるモデル構築にもデータの制約が存在します。患者のサンプル数が比較的限られているのに対し、解析対象となる遺伝情報は膨大です。変数の数がサンプル数を大幅に上回ると、モデルが学習データに過剰に適応してしまう「過学習（オーバーフィッティング）」を起こし、新しい患者に対する予測精度が低下するという課題がありました。
段階的モデリングによる高精度な予測の実現
この課題を解決するため、研究チームは段階的なアプローチを採用しました。まず「老化微小環境」の特徴を持つ腫瘍を特定し、その後に患者を層別化して免疫療法に反応するかどうかを判定します。この段階的な手法により、特定の患者群に対する偏りを低減し、異なる集団間でも安定した予測が可能になりました。
実験の結果、この新しい手法は4種類のがんにおいて、現行の臨床バイオマーカーの一部を上回る予測性能を示しました。さらに、モデルのトレーニングに使用されていない独立した皮膚がん患者のコホートにおいても、一貫して安定した予測精度を維持することが確認されました。なお、本研究成果は『Digital Medicine』誌の最新号に掲載されています。
出典: 元記事を読む
