- ハーバード医科大学の科学者がさまざまな癌タイプにわたってさまざまな診断タスクを実行できる多目的ChatGPTのようなAIモデルを設計する
- この新しいAIシステムは、がん診断に対する現在の多くのAIアプローチよりも一歩進んでいます
- 現在、AIシステムは、一般的に癌の存在の検出または腫瘍の遺伝子プロファイルの予測などの特定のタスクを実行するように訓練されており、少数の癌タイプでのみ機能する傾向があります
- 一方、新しいモデルは広範なタスクを実行することができ、19種類の癌タイプでテストされており、ChatGPTなどの大きな言語モデルと同様の柔軟性を持っています
- 最近、病理画像に基づいて医療診断のための異なるベースのAIモデルが登場しましたが、これは患者の結果を予測し、複数の国際患者グループによって検証された最初のモデルと考えられています
- 腫瘍組織スライドの読取りで動作する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ほとんどの現在のAIシステムよりも優れた精度で予測する
- さまざまな種類の癌にわたって患者の生存を予測し、手術、化学療法、放射線療法、免疫療法などの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る
- 患者の生存に関連していると知られていない特定の腫瘍特性を識別するなど、新しい洞察を生成できるように見える
- 研究チームは、この結果が標準のがん治療にうまく反応しない可能性がある患者の同定を含む、がんを効率的かつ正確に評価する臨床医の能力を向上させることができるという証拠が増えていると述べた。
- Kun-Hsing Yuは、「検証がさらに行われ、広く配布されれば、私たちのアプローチと同様のアプローチが特定の分子変異を標的とする実験的治療の恩恵を受ける可能性がある癌患者を早期に識別することができます」と言う
トレーニングとパフォーマンス
- このチームの最新の研究は、大腸がんと脳腫瘍評価のためのAIシステムに関するYuの以前の研究に基づいています。以前の研究は、特定の癌の種類と特定のタスク内でこのアプローチの実現可能性を実証しました
- CHIEF（Clinical Histopathology Imaging Evaluation Foundation）と呼ばれる新しいモデルは、1,500万のラベルのない画像を関心のあるセクションに分割することによって訓練されました。
- このツールは、肺、乳房、前立腺、結腸、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枚の完全なスライド画像についてさらに訓練された
- 画像の特定のセクションと全体の画像の両方を見るようにモデルを訓練することによって、ある領域の特定の変化を全体の文脈に関連付けることができた。研究者らは、このアプローチは、CHIEFが特定の領域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完全に解釈できるようにしたと述べています。
- トレーニング後、研究チームは、世界中の24の病院と患者コホートから収集された32の独立したデータセットで、19,400を超える完全なスライド画像に対してCHIEFのパフォーマンスをテストしました
- 全体として、ＣＨＩＥＦは、癌細胞の検出、腫瘍起源の同定、患者の結果の予測、治療応答に関連する遺伝子およびＤＮＡパターンの同定などの作業において、最大３６％まで他の最先端のＡＩ法を上回った。
- CHIEFは、様々な訓練のおかげで、腫瘍細胞が生検によって得られたのか、外科的切除によって得られたかにかかわらず、等しくうまく行われた。
- さらに、がん細胞サンプルをデジタル化するために使用される技術に関係なく、精度は同じでした。
- 研究者らは、この適応性のために、CHIEFは様々な臨床環境で使用することができ、特定の技術を介して得られた組織を読み取るときにのみうまく実行される傾向がある現在のモデルを超えた重要なステップを示すと述べた
がん検出
- CHIEFはがん検出でほぼ94％の精度を達成し、11個のがんを含む15個のデータセットで現在のAIアプローチを大幅に上回りました。
- 独立したコホートから収集された5つの生検データセットで、CHIEFは食道、胃、結腸、前立腺などのいくつかの癌にわたって96％の精度を達成しました。
- 研究者が以前に見られなかった結腸、肺、乳房、子宮内膜、子宮頸部の手術によって除去された腫瘍スライドでCHIEFをテストしたとき、モデルは90％以上の精度で行われた。
腫瘍の分子プロファイル予測
- 腫瘍の遺伝的構成は、将来の行動と最適な治療法を決定する重要な手がかりを提供します
- この情報を得るために、腫瘍学者は腫瘍サンプルのDNA配列決定を注文するが、世界的に癌組織のこの詳細な誘電体プロファイリングは、コストと時間のために定期的または均一に行われない
- CHIEFは、顕微鏡スライドを見て腫瘍の誘電体変異を予測するための現在のAI方法を超えました。
- この新しいAIアプローチは、癌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関連する特徴を首尾よく同定し、腫瘍が様々な標準治療にどれだけうまく反応できるかに関する主要な遺伝的変異を予測した。
- CHIEFはまた、結腸腫瘍が免疫玄関遮断と呼ばれる免疫療法の一形態にどれだけうまく反応できるかに関する特定のDNAパターンを検出した。
- 組織全体の画像を見ると、CHIEFはしばしば変異した54個の癌遺伝子の70％以上の全体的な精度で変異を同定し、遺伝的癌予測のための現在の最先端のAI法を上回りました。特定のがん型の特定遺伝子の精度は高かった
- 研究チームはまた、15の解剖学的部位にわたって18の遺伝子に対するFDA承認標的治療に対する応答に関連する突然変異を予測するCHIEFの能力を試験した。 CHIEFは、小型巨大B細胞リンパ腫と呼ばれる血液癌で一般的なEZH2という遺伝子の突然変異検出で96％、甲状腺癌でBRAF遺伝子突然変異に対して89％、頭頸部がんでNTRK1遺伝子突然変異に対して91％の精度を達成するなど、いくつかのがんタイプで高い精度を達成しました
患者生存予測
- CHIEFは、初期診断時に得られた腫瘍組織病理学的画像に基づいて患者の生存を成功裏に予測した。
- すべての癌の種類と研究対象の患者群において、CHIEFは長期生存患者と短期生存患者を区別した。
- CHIEFは他のモデルよりも8％優れた性能を示し、進行性癌患者では他のAIモデルより10％優れた性能を示した。
- CHIEFの高い死亡リスクと低い死亡リスク予測能力は、17の異なる臓器の患者サンプルでテストされ確認されています
腫瘍行動に対する新しい洞察の抽出
- このモデルは、腫瘍の攻撃性と患者の生存に関連する画像の特徴的なパターンを識別しました
- これらの関心領域を視覚化するために、CHIEFは画像にサーマルマップを作成しました。人間の病理学者がこれらのAI由来のホットスポットを分析したとき、彼らは癌細胞と周囲の組織との間の相互作用を反映する興味深い信号を見ました。
- そのような特徴の1つは、短期生存者と比較して長期生存者の腫瘍領域に多くの免疫細胞が存在することでした。 Yuは、免疫細胞のより大きな存在は、免疫システムが腫瘍を攻撃するために活性化されたことを示すことができるので、これらの発見が妥当であると指摘する
- 短期生存者の腫瘍を見ると、CHIEFは、様々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、細胞間の弱い連結、腫瘍周辺領域の結合組織の存在の減少などによって特徴付けられる関心領域を同定するした。これらの腫瘍には、周囲にさらに死んでいく細胞もありました。例えば、乳房腫瘍では、CHIEFは組織内の壊死（早期細胞死）の存在を関心領域と指摘した。対照的に、生存率の高い乳がんは、健康な組織に似た細胞構造を保存す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と関心領域は癌の種類によって変化したと説明した。
次のステップ
研究者たちは、次のようにCHIEFのパフォーマンスを向上させ、機能を拡張する計画だと述べています。
- まれな疾患および非癌性条件の組織イメージに対するさらなる訓練の実施
- 細胞が完全に癌性になる前の前癌性組織のサンプルを含む
- 攻撃性レベルが異なるがんを同定する能力を向上させるために、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、新しい癌治療の利点と副作用を予測するためのモデルトレーニング
GN⁺のコメント
- この研究は、癌の診断と治療計画を確立するためのAI技術の進歩を示しています。特に複数のがんにわたって適用可能な汎用モデルを開発したという点で意味がある
- しかし、実際の臨床現場に適用するためには、より多くのデータで検証し、医師とAIが効果的にコラボレーションできる方案を設けなければならない。診断の正確性や責任素材の問題など解決すべき課題も残っている
- 同様の技術には、病理イメージ分析を通じてがんを診断するPaige.AI、Prosciaなどの企業がある。これらは特定の癌腫に特化したソリューションを提供しており、汎用性の点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の導入には、医療スタッフの役割の変化、診断プロセスの改善、医療数の調整など、様々な社会的合意と制度整備が必要になるだろう。同時にAI偏向性問題、個人情報保護問題など技術的、倫理的リスクも綿密に検討しなければならない
- 今後がん組織の分子生物学的特性まで総合的に分析し、薬物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貢献できると期待される。
#がん治療のための新しいAIツール