1772808105
2026-03-06 12:04:00
膵臓がんは通常、進行した段階で診断されるため、膵臓がんの早期発見は依然として腫瘍学における最大の課題の 1 つです。研究者チームは今回、人工知能（AI）の助けを借りて血液の代謝情報を分析する方法を開発し、病気の初期段階で迅速かつ非侵襲的な方法を提供した。
台湾の研究者チーム 発展した PanMETAI は、治療が成功する可能性が最も高い初期段階で膵臓がんを検出するために、単純な血液サンプルから代謝フィンガープリントを分析する AI 搭載プラットフォームです。
この研究は国立台湾大学病院と中央研究院の研究者らによって行われ、雑誌「Nature Communications」に掲載された。
膵臓がんは、世界中で最も致死率の高いがんの 1 つです。 5年生存率は約13％です。この病気は早期発見が難しく、ほとんどの患者は治療の選択肢が限られた進行した段階で診断を受けます。
血液検査で頻繁に使用されるCA19-9腫瘍マーカーを含む現在のスクリーニング方法には、病気の早期検出に必要な感度と特異性が欠けています。
PanMETAI プラットフォームは、人工知能と数百の血液代謝物の化学プロファイルを特定する技術である核磁気共鳴 (NMR) メタボロミクスを組み合わせています。代謝産物は体の代謝プロセスから生じる小分子であり、その変化は病気に関連する生物学的変化を反映している可能性があります。
分析に必要な血清はわずか 500 マイクロリットルです。このサンプルから、システムは 260,000 を超える代謝シグナルを抽出し、TabPFN と呼ばれる AI モデルによって分析されます。
このモデルは、代謝プロファイルと患者の年齢、腫瘍マーカー CA19-9、およびタンパク質バイオマーカー アクチビン A を統合します。
台湾の患者コホートでは、このプラットフォームは AUC (診断検査成績評価指標) 値 0.99 を達成しました。これは、ほぼすべての膵臓がん症例を高リスクの対照群から正しく区別したことを意味します。
この方法が他の集団でも機能するかどうかを評価するために、このモデルは、リトアニア保健科学大学で募集された 322 人の参加者で構成されるリトアニアの独立したコホートでテストされました。このグループでは、プラットフォームは AUC 値 0.93 という高いパフォーマンスを維持し、異なる民族的および地理的プロファイルを持つ集団の疾患を識別する一貫した能力を示しました。
研究の重要な結果は、このプラットフォームが早期段階 (ステージ I および II) で膵臓がんを検出できることです。
NMR メタボローム分析は、病気が臨床的に明らかになる前に起こる微妙な代謝変化を特定することで、早期検出の感度を高めることに大きく貢献しています。
これらの変化の中には、HDL コレステロールとグルタミンの減少、ならびに乳酸、グルコース、グルタミン酸レベルの増加が含まれます。
研究者らが実施したテストでは、小規模なデータセットでトレーニングした場合でもプラットフォームが効率的に動作できることが示された。このシステムは、アルゴリズムのトレーニングにわずか 50 件の症例が使用された場合でも、約 90% の精度を維持しました。これは、この方法が大規模な臨床データベースを持たない病院や研究センターでも使用できることを示唆しています。
この研究の著者らは、PanMETAIが迅速かつ非侵襲的で比較的利用しやすいスクリーニングツールとなり、さらなる調査が必要な膵臓がんのリスクが高い人々を特定するために医療現場で使用される可能性があると考えている。
彼らは、機械学習手法と臨床データおよび複雑な代謝スペクトルの統合により、標準的な血液検査によるがんの早期検出の新たな可能性が開かれ、基礎的ながん研究と人工知能が連携して研究室での発見を診断アプリケーションに変換できることを実証していると強調しています。
研究チームの目標は、この技術を医療現場に導入し、膵臓がんの早期診断と迅速な治療開始を可能にすることだ。
#すい臓がんの早期発見のための #支援血液検査