科学者たちは初めて、人工知能 (AI) の一種である機械学習を適用して、世界中のほぼすべての国でがんの生存に最も密接に関係している要因を特定しました。
この研究は主要な癌雑誌に掲載されました 腫瘍学年報では、広範な比較を超えて、どの特定の政策変更や制度改善が各国のがん生存率に最大の影響を与える可能性があるかを示しています。同チームはまた、ユーザーが国を選択して、国富、放射線治療へのアクセス、国民皆保険などの要素ががんの転帰にどのように関係しているかを確認できるオンラインツールも作成した。
グローバルデータを実用的な洞察に変える
米国ニューヨークのメモリアル・スローン・ケタリング（MSK）がんセンターの放射線腫瘍学の研修医であり、この研究の共同リーダーでもあるエドワード・クリストファー・ディー博士は、この研究がなぜ重要なのかを強調した。 「世界のがんの転帰は、主に各国の医療制度の違いにより大きく異なります。私たちは、各国ががんによる死亡率を減らし、公平性のギャップを埋めるために最も影響力のある政策手段を特定できるようにする、実用的なデータ主導型の枠組みを作りたいと考えていました。」
同氏は、いくつかの要因が一貫して際立っていると指摘した。 「放射線治療へのアクセス、国民皆保険、経済力が、多くの場合、全国的ながん転帰の改善に関連する重要な手段であることがわかりました。しかし、他の重要な要素も同様に関連しています。」
185 か国のがんと医療システムのデータを分析
これらの結論に達するために、ディー博士と彼の同僚は、機械学習を使用して、185 か国を対象とする世界がん観測所 (GLOBOCAN 2022) からのがんの罹患率と死亡のデータを調査しました。彼らはこの情報を、世界保健機関、世界銀行、国連機関、放射線治療センターディレクトリから収集した医療システムのデータと組み合わせました。
データセットには、GDPに占める医療支出の割合、1人当たりのGDP、1000人当たりの医師、看護師、助産師、外科従事者の数、ユニバーサル・ヘルス・カバレッジのレベル、病理サービスへのアクセス、人間開発指数、1000人当たりの放射線治療センターの数、男女不平等指数、患者が直接支払った医療費の割合が含まれていた。
機械学習モデルの構築
この機械学習モデルは、この研究の筆頭著者であるミリット・パテル氏によって開発されました。彼は、米国オースティンのテキサス大学と MSK で生化学、統計とデータ サイエンス、医療改革とイノベーションの研究者です。
がん治療の効果を測定する
このモデルは、死亡率対罹患率 (MIR) を計算します。MIR は、死亡につながるがん症例の割合を表し、特定の国におけるがん治療がどの程度効果的であるかを示す指標として機能します。個々の要因がこれらの推定値にどのような影響を与えるかを示すために、研究者らは、SHAP (Shapley Additive exPlanations) として知られる、各変数の寄与を測定することで予測を説明する方法を使用しました。
パテル氏によると、目標は説明から行動に移すことでした。 「単に格差を説明するだけでなく、私たちのアプローチは政策立案者に実用的なデータ主導のロードマップを提供し、どの医療システムへの投資が各国にとって最大の影響をもたらすかを正確に示します。世界的ながんの負担が増大する中、これらの洞察は各国がリソースに優先順位を付け、可能な限り最も公平かつ効果的な方法で生存格差を埋めるのに役立ちます。また、国際機関、医療提供者、擁護者はウェブベースのツールを使用して、特にリソースが限られた状況で投資すべき領域を強調することもできます。」
さまざまな優先順位を示す国の例
結果は、最も影響を与える要因が国によって大きく異なることを明らかにしました。ブラジルでは、このモデルは、ユニバーサル・ヘルス・カバレッジ（UHC）が死亡率対罹患率の改善と最も強い正の関連性を持っていることを示しています。病理サービスや人口 1000 人あたりの看護師と助産師の数などの他の要因は、現時点ではそれほど大きな役割を果たしていないように見えます。研究者らは、これはブラジルがUHCを優先することで最大の利益を得られることを意味していると示唆している。
ポーランドでは、放射線治療サービスの利用可能性、一人当たりの GDP、UHC 指数ががんの転帰に最も大きな影響を与えています。このパターンは、健康保険とケアへのアクセスを拡大するための最近の取り組みが、効果がより限定的であると思われる一般的な医療支出よりも強力な改善をもたらしたことを示唆しています。
日本、米国、英国ではより広範なパターンが見られ、ほぼすべての医療制度要因ががん転帰の改善に関連しています。日本では放射線治療センターの密度が最も顕著ですが、米国と英国では一人当たりのGDPが最も大きな影響を及ぼします。これらの調査結果は、各国の政策立案者がどこで最大の利益を達成できるかを示しています。
中国はさらに複雑な状況を示している。一人当たりの GDP の増加、UHC の拡大、放射線治療センターへのアクセスの拡大が、がん転帰の改善に最も貢献します。対照的に、自己支出、人口 1000 人あたりの外科労働人口の規模、および GDP に対する医療支出の割合は、現在、結果のばらつきをあまり説明していません。
研究者らは中国について次のように書いている：「国家的に医療財政や医療アクセスが改善されている中でも、患者にとっての高い直接費用は依然として最適ながん転帰への重大な障壁となっている。これらの調査結果は、中国の急速な医療制度の発展ががん対策において重要な成果を上げている一方で、財政的保護と保障における格差は依然として存在しており、医療制度への影響を最大化するために自己負担額の削減とUHC実施のさらなる強化に重点を置く政策を強化することが正当であることを強調している。」
パテル氏はまた、国別のグラフに示されている緑と赤のバーの意味についても説明しました。 「緑色のバーは、現在、特定の国におけるがん転帰の改善と最も強く前向きに関連していると考えられる要因を表しています。これらは、投資の継続または増加が有意義な効果をもたらす可能性が最も高い分野です。」
同氏は、赤いバーは誤解されるべきではないと強調した。 「ただし、赤いバーは、これらの領域が重要ではない、または無視すべきであることを示しているわけではありません。むしろ、モデルと現在のデータによると、現時点で結果の最大の違いを説明する可能性が低い領域を反映しています。これは、これらの側面でのすでに優れたパフォーマンス、利用可能なデータの制限、またはその他の状況固有の要因による可能性があります。」
彼は重要な警告を付け加えた。 「重要なのは、『赤』のバーが表示されたからといって、がん治療の柱を強化する取り組みを中止する理由として解釈されるべきではないということです。これらの分野の改善は、依然として国の医療システム全体にとって価値があるのです。私たちの結果は、目標がモデルで定義されたがん転帰の改善を最大化することである場合、まず最も強力なプラスの（緑の）推進要因に焦点を当てることが、最も影響力のある戦略である可能性があることを示唆しています。」
強み、限界、そして次に何が起こるか
この研究の強みには、ほぼすべての国を網羅していること、現在の世界的な健康データの使用、単純な世界平均ではなく国固有の政策ガイダンス、より透明性の高い AI モデルの使用が含まれます。研究者らは重要な限界も認めている。この分析は個々の患者記録ではなく国家レベルのデータに依存しており、データの質は特に多くの低所得国で大きく異なり、国の傾向によって国内の格差が隠蔽される可能性があります。さらに、この研究は、特定の要因に焦点を当てることががんの転帰を改善することを証明するものではなく、そのような努力が結果の改善に関連していることを証明しているだけです。
こうした制限があるとしても、今回の調査結果は、行動に優先順位を付けるための有用な方法を提供します。ディー博士は「世界的にがんの負担が増大する中、このモデルは各国が限られた資源で効果を最大化するのに役立つ。複雑なデータを政策立案者にとって理解しやすく実行可能なアドバイスに変え、正確な公衆衛生を可能にする。」と結論づけた。
#は世界中のがんの生存を形作る隠れた力をマッピングする