SophIA サミット中に、免疫腫瘍学における機械学習と AI についてディスカッションするために COMPutational Pharmacology & Clinical Oncology グループの主導者を捕まえました。
コンポ (COMPutational薬理学と臨床腫瘍学) は、数学者、薬理学者、腫瘍学者を組み合わせた学際的なチームです。 Inria および Inserm と共同提携しており、 マルセイユがん研究センター (挿入 U1068)。チームは、機械的手法 (生物学的および薬理学的プロセスのシミュレーション) と統計的手法または機械学習手法を使用して、計算ツールとモデルを開発します。結果 治療上の意思決定をサポートし、医療を個別化し、臨床試験デザインを最適化します。。
初期段階の臨床試験へのリンクを通じて、特に マルセイユ CLIP2 センターCOMPO は日常ケアのデータに直接アクセスできます。チーム 人工知能と数学的モデリングを使用して、がん患者のケアを予測し、指導します。 COMPO チームは、ほとんどの CLIP2-APHM 研究プロジェクトに協力しており、研究成果から得られたモデルに基づいた初期段階の試験の開発に参加しています。
その間、 ソフィアサミット私たちは、反応と生存を予測する方法としての機械学習、デジタル薬理学的双子 (DIGPHAT)、免疫腫瘍学における AI についてステファン・ベンゼクリと議論しました。 COMPO の Inria-Inserm チームの責任者として、ベンゼクリ氏は 2021 年に次の 3 つの目的で臨床腫瘍学から生じるデータをモデル化するプロジェクトを立ち上げた経緯を説明しました。 臨床上の意思決定ツールをもたらす 治療管理を強化し、より良い情報を提供して臨床試験を設計するため、 そして生物学的仮説を検証します。
COMPO の学際的モデルと臨床統合の現実
COMPOは意図的に設計されました 腫瘍学者、薬剤師、数学者、コンピューター科学者を団結させるメカニズムのモデリングを臨床現実と密接に結び付けることができます。ベンゼクリにとって計算腫瘍学は、 日々の腫瘍学診療における制約と優先事項に基づいたつまり、毒性管理、全身疾患、実際の患者の複雑さです。
コンピューター上で科学データを分析します。画像はEnvato経由。
同氏は、COMPO との共同研究から得た具体例を用いてこれを説明しました。数学者が治療スケジュールの「最適化」を想像するとき、多くの場合、理論上の腫瘍を縮小することに焦点を当てます。しかし、臨床医は、転移患者の腫瘍が 1 つだけであることはまれであり、主な課題は複数の部位にわたる全身性疾患であることを思い出させます。同様に、モデル作成者は当初、有効性を最大化することを目指していますが、臨床医は、日常診療において投与量の決定、治療の中断、患者の生存を左右するのは腫瘍の体積ではなく毒性であると強調しています。これらの例はその理由を強調しています 数学者を臨床環境に組み込むと、モデリングの優先順位が根本的に変わります。
「これは私にとって重要です。なぜなら、ベッドサイド、診療所、臨床現場にできるだけ近いものを望んでいたからです」とベンゼクリ氏は語った。
同氏はまた、共通の技術的および臨床的言語を構築することの難しさを強調した。変数に「BMI」ではなく「基礎質量指数」というラベルが付けられているなどの小さなコーディングミスは、ドメインの監視なしですり抜けてしまう可能性があり、統合されたクロストレーニングされたチームの必要性が強化されます。
機械学習、デジタルツイン、新たな AI アプローチ
COMPO はフランスの国民生活に欠かせない要素となっています デジタル薬理学的ツインの取り組み (PEPR/フランス 2030）、薬理学チームと計算チームを結集して、マルチスケールの因果関係のある患者固有のシミュレーターを構築します。
これらの「デジタルツイン」は次のように構想されています。 薬の効果をシミュレートできる仮想患者投与戦略と治療シナリオ。しかし、ベンゼクリ氏は、そのようなシステムには、ゲノミクス、イメージング、長期的な免疫や循環バイオマーカーなど、豊富に注釈が付けられたマルチモーダルなデータセットが必要であると指摘しています。 この種のデータは入手が難しく、調整するのはさらに困難です。
現在の取り組みは、今後 3 ～ 5 年間で特定の疾患、特に進行性非小細胞肺がん (NSCLC) の初期プロトタイプを構築することに焦点を当てています。このタイムラインが指すのは、 特定のがんの種類に合わせて調整された機械的デジタルツインの最初の機能バージョン長期的なバイオマーカーデータによって情報が提供され、現実世界の設定で検証する準備が整います。
コンポも AIエージェントシステムの利用を検討中ここでは、大規模な言語モデルが機構方程式を生成し、反復的に改良します。このフレームワークでは、1 人のエージェントが生物学的問題の言語記述に基づいて方程式を提案します。方程式はオフラインでテストされ、2 番目のエージェントが修正を推奨し、反復的な改善につながります。
「私たちは、次のようなアルゴリズムを実装しています。 AI エージェントが相互に対話してモデリング プロセスを自動化する そして結局のところ、推論ループを通して何かを見ることができるようになるのです…これは完全に明らかになりつつあります。」
バイオマーカーの発見、縦断的データ、予測モデルを臨床に応用する際の課題
COMPO は PIONeeR RHU データセットの生物統計、機械学習、モデリングを主導します。進行性肺がんにおける最大の長期的免疫療法バイオマーカー データセットの 1 つ。 データアクセスの交渉には何年もかかり、その後、欠損値、多峰性の測定値、本質的に限られたサンプルサイズ（約450人の患者）を調整するための大規模な前処理が行われました。
当初、チームが目指していたのは、 免疫療法に対する反応を予測する。しかし、臨床医らは、予測アルゴリズムに関係なく、肺がんにおける第一選択の治療決定は、第III相の証拠がなければ変更されないことを明らかにした。その結果、コンポは 抵抗の予測に焦点を移したこれは、第 2 選択および第 3 選択の臨床意思決定とより密接に一致しています。
チーム 18マーカーの耐性サインを特定したこれは主に日常的な血液バイオマーカーによって駆動され、高次元の組織や多重免疫組織化学の特徴よりもはるかに単純です。心強い一方で、最前線のケアを変えるには予測力がまだ不十分です。
「実際に治療を変更するよう医師を説得するだけでは十分ではありません。」
これにより、長期的なモデリング、つまりバイオマーカーを経時的に追跡することに新たな重点が置かれています。 治療過程の後半でどの患者が代替療法から恩恵を受ける可能性があるかを予測するため。このような縦方向の軌跡は、デジタル ツインの構築に必要な因果関係のバックボーンも提供します。
COMPOとのコラボレーション 無細胞 DNA フラグメントミクスについてのアデリス 初期に有望な結果が得られており、現在検討中です。これらのデータセットは、開発中のデジタル ツインの重要なコンポーネントとして機能します。規制、ライセンス、データアクセスのハードルが依然として大きな障壁となっています。 COMPOの老舗でも 数十年前に開発された投与量適応ソフトウェアは現在マルセイユでのみ使用可能 これは、従来のライセンス制限と最新の CE マーキング要件のためです。しかし、彼らは必要な管理プロセスをナビゲートできるため、他の診療所がこのソフトウェアの恩恵を受けることができるという期待を抱いています。
1767262609
#腫瘍免疫学 #機械学習デジタルツインAI
2026-01-01 08:00:00