ディープラーニングモデルが前立腺がんの適応治療をパーソナライズ

2024年6月4日 – モフィットがんセンターとオックスフォード大学の研究チームは 作成した 前立腺がん患者の適応治療スケジュールを個別化するためのディープラーニング フレームワーク。

研究者らは、従来の治療戦略は一般的に最大限の細胞殺傷を重視しており、薬剤耐性の結果として転移性癌の治療には不十分なアプローチとなる可能性があると強調した。適応型治療戦略は、癌の進行を阻止するために腫瘍の動態が変化するにつれて治療決定を調整することに重点を置いているため、潜在的な解決策となる可能性がある。

しかし、患者のニーズに基づいて適応療法を調整することは難しい場合があります。

これに対抗するため、研究者らは解釈可能で個人に合わせた適応型治療スケジュールを作成するための枠組みの開発に着手した。

研究チームは、まず仮想患者モデルを使用して深層強化学習システムをトレーニングしました。

このアプローチでは、患者の血液検査を使用して腫瘍のサイズを追跡し、これらの洞察を数学モデルに組み込んで仮想患者をシミュレートします。そこから、仮想患者を使用してディープラーニングツールを微調整し、研究者が個別の治療スケジュールを作成し、将来の治療に情報を提供できるようにします。

このフレームワークにより、ユーザーはさまざまな腫瘍のダイナミクスを考慮することができ、個々の患者からのデータが提供されたときにモデルの適応性を高め、適応的な薬物スケジュールを導くことができます。

「進化の原理と数学モデルを適応療法の意思決定に統合することで、私たちの研究は革新的な治療アプローチを臨床実践に応用するための新たな道を切り開きます」と、 勉強 モフィット進化療法センターの共同ディレクターであるサンディ・アンダーソン博士は、このニュースリリースで次のように述べています。

前立腺がんの動態に合わせて調整されたディープラーニングのアプローチにより、適応型治療スケジュールが最適化され、臨床標準治療プロトコルを上回り、進行までの時間が 2 倍になりました。

このアプローチの成功の秘訣は、機械学習ツールに欠けていることが多い解釈可能性にあります。

「解釈可能性は長い間、機械学習のアプローチを臨床診療に統合する上で大きな障害となってきました。これらのフレームワークはブラックボックスであり、どのように治療の推奨を導き出すのか理解できないため、臨床でこれを適用することに自信を持つことはできません」と、オックスフォード大学の学生で第一著者のキット・ギャラガー氏は指摘した。

今後、研究チームはこの枠組みをさらに改良し、他のがんへの応用の可能性を調査する予定です。

「モデル駆動型の個別化医療は、がん治療の未来です」とアンダーソン氏は言う。「深層強化学習の力を活用することで、各患者に対する治療戦略を最適化し、より良い治療結果と生活の質の向上につながります。」