患者のガン発症箇所特定にAIモデル

September, 20, 2023, Cabmbridge--ごく一部のガン患者では、医師はガンがどこから発生したのかを特定できない。このため、多くの抗ガン剤が通常特定の種類のガンに対して開発されていることから、そうした患者の治療法選択が著しく難しくなる。

MITとDana-Farber Cancer Instituteの研究者によって開発された新しいアプローチは、これらのナゾのガンの発生部位を特定を容易にする可能性がある。研究チームは、マシンラーニング(ML)を使用して、約400個の遺伝子配列を分析し、その情報を使用して特定の腫瘍が体内のどこで発生したかを予測できる計算モデルを作成した。

このモデルを使用して、研究チームらは、約900人の患者のデータセットで、原因不明の腫瘍の少なくとも40%を高い信頼度で正確に分類できることを示した。このアプローチにより、ガンの発生箇所に基づいて、ゲノムガイドによる標的治療の対象となる可能性のある患者の数を2.2倍に増やすことができた。

「それはわれわれの論文で最も重要な発見だった。すなわち、このモデルが治療の決定を支援し、原発原因が不明なガン患者の個別化治療に向けて医師をガイドするために使用できる可能性があるということだ」と、新しい研究の筆頭著者、MIT電気工学&コンピューターサイエンスの院生、Intae Moonは話している。

ハーバード大学医学部(Harvard Medical School)とダナファーバーガン研究所(Dana-Farber Cancer Institute)の医学准教授、Alexander Gusevは、この論文のシニアオーサ、論文はNature Medicineに掲載された。

不思議な起源
ガン患者の3〜5%、特に腫瘍が全身に転移している場合、ガン専門医にはガンがどこから発生したのかを簡単に判断する方法がない。これらの腫瘍は、原発不明のガン(CUP)として分類される。

この知識の欠如のために、医師は患者に「的確」な薬を与えられないことがよくある。薬剤は、通常、効くことが知られている特定の種類のガンに対して承認されているからである。これらの標的治療は、CUP患者に一般的に処方される幅広いガンに使用される治療よりも効果的で副作用が少ない傾向がある。

「毎年かなりの数の個人が原発不明のこれらのガンを発症し、ほとんどの治療法は部位固有の方法で承認されている。それらを適用するための原発部位を知る必要があるため、治療の選択肢は非常に限られている」(Gusev)。

Gusevの共同アドバイスを受けているコンピュータサイエンス&人工知能研究所の関連会社、Moonは、Dana-Farberで定期的に収集される遺伝子データを分析して、ガンの種類を予測するためにそれが使用できるかどうかを確認することにした。データは、ガンで変異することがよくある約400の遺伝子の遺伝子配列で構成されている。研究チームは、22種類の既知のガンのいずれかと診断された約30000人の患者のデータでMLモデルをトレーニングした。その一連のデータには、Memorial Sloan Kettering Cancer CenterおよびVanderbilt-Ingram Cancer Center, Dana-Farberの患者.が含まれていた。

次に、研究チームは、これまで見たことがないが、起源部位がわかっている約7,000の腫瘍についてのモデルをテストした。研究チームがOncoNPCと名付けたこのモデルは、約80%の精度でその起源を予測することができた。全体の約65%を占める信頼性の高い予測を持つ腫瘍では、その精度は約95%に上昇した。

これらの有望な結果の後、研究チームはそのモデルを使用して、CUP患者の約900の腫瘍セットを分析した。その結果、これらの腫瘍の40%について、モデルが高信頼予測を行えることがが分かった。

次に、研究チームは、そのモデルの予測を、腫瘍のサブセットにおける生殖細胞系列、つまり遺伝性の突然変異の分析と利用可能なデータと比較した、これにより患者が特定の種類のガンを発症する遺伝的素因を持っているかどうかを明らかにすることができる。研究チームは、モデルの予測が、他のどの種類の癌よりも生殖細胞系列の突然変異によって最も強く予測される癌の種類と一致する可能性が、非常に高いことを確認した。

薬剤決定の指針
モデルの予測をさらに検証するために、研究チームはCUP患者の生存期間に関するデータを、モデルが予測した癌の種類の典型的な予後と比較した。その結果、膵臓ガンなど予後不良のガンと予測されたCUP患者は、それに応じて生存期間が短くなることがわかった。一方、神経内分泌腫瘍など、通常は予後が良好なガンがあると予測されたCUP患者は、生存期間が長かった。

モデルの予測が役立つ可能性があるという別の兆候は、研究で分析されたCUP患者が受けた治療の種類を調べることから来た。これらの患者の約10%は、ガンの発生源に関する腫瘍医の最善の推測に基づいて、標的治療を受けていた。これらの患者の中で、モデルが予測したガンの種類と一致する治療を受けた患者は、モデルが予測したものとは異なる種類のガンに対して通常与えられた治療を受けた患者よりも良好だった。

このモデルを使用して、研究者らは、ガンの種類がわかっている場合、既存の標的治療を受けることができた可能性のある患者のさらに15%(2.2倍増)も特定した。代わりに、それらの患者はより一般的な化学療法薬を受け取ることになった。

「これにより、新薬の承認を必要としないため、これらの発見がより臨床的に実行可能になる可能性がある。われわれが言っていることは、この集団はすでに存在する精密治療の対象となる可能性があるということである」(Gusev)。

研究チームは現在、病理画像や放射線画像などの他のタイプのデータを含むようにモデルを拡張して、複数のデータモダリティを使用してより包括的な予測を提供することを考えている。これにより、モデルは腫瘍の包括的な視点も得られ、腫瘍の種類や患者の転帰だけでなく、最適な治療法も予測できるようになる。