Nature Medicine: AI モデルは患者のがんがどこで発生したかを特定するのに役立ちます

出典: バイオコム

ごく一部のがん患者については、医師はがんの発生源を特定できません。多くの抗がん剤は特定のがんの種類に合わせて開発されることが多いため、これらの患者に対する治療法の選択はさらに困難になります。

MITとダナ・ファーバー癌研究所の研究者らが開発した新しい方法により、これらの謎の癌の発生源を正確に特定することが容易になる可能性がある。研究者らは、機械学習を使用して、約 400 個の遺伝子の配列を分析し、この情報を使用して特定の腫瘍が体内のどこで発生するかを予測できる計算モデルを作成しました。

研究者らは、このモデルを使用して、約 900 人の患者のデータセットにおいて、起源不明の腫瘍の少なくとも 40 パーセントを高い信頼性で正確に分類できることを示しました。このアプローチにより、がんの起源に基づいてゲノム誘導標的療法の対象となる患者の数が 2.2 倍に増加しました。

「これは私たちの論文の中で最も重要な発見であり、このモデルは治療の決定を支援し、原発不明のがん患者の治療を個別化する際に医師を導くために使用できる可能性がある」と電気工学とコンピュータサイエンスの大学院生、Intae Moon氏は述べた。 MIT の 、新しい研究の筆頭著者です。

ハーバード大学医学部およびダナ・ファーバーがん研究所の医学准教授であるアレクサンダー・グセフ氏は、ネイチャー・メディシン誌に掲載された論文の主著者である。

謎の起源

がん患者の 3 ～ 5 パーセント、特に腫瘍が全身に転移している患者では、腫瘍学者はがんの起源を特定する簡単な方法を持っていません。これらの腫瘍は原発不明癌 (CUP) として分類されました。

この知識の欠如により、医師が患者に「正確な」薬を投与することができなくなることがよくありますが、その薬は効果があることが知られている特定の種類のがんに対して承認されていることがよくあります。これらの標的療法は、広範囲のがんに使用される治療法よりも効果が高く、副作用も少ない傾向があり、CUP 患者によく使用されます。

「毎年、かなりの数の人が原発不明のがんに罹患しています。ほとんどの治療法は部位特異的な方法で承認されているため、それらを使用するには発生部位を知る必要があり、そのため治療法の選択肢は非常に限られています。」

Moon 氏はコンピュータ サイエンスおよび人工知能研究所の一員であり、Gusev 氏の共同助言者です。文氏は、ダナ・ファーバーで定期的に収集される遺伝子データを分析して、がんの種類を予測するために使用できるかどうかを確認することにした。このデータには、がんにおいて頻繁に変異する約 400 個の遺伝子の遺伝子配列が含まれていました。研究者らは、既知の 22 種類のがんのいずれかと診断された約 30,000 人の患者からのデータに基づいて機械学習モデルをトレーニングしました。データセットには、ダナ・ファーバーだけでなく、メモリアル・スローン・ケタリングがんセンターとヴァンダービルト・イングラムがんセンターの患者も含まれていた。

次に研究者らは、発生位置がわかっている約7,000個のこれまでに見たことのない腫瘍に対してモデルをテストした。研究者らが OncoNPC と名付けたこのモデルは、その起源を約 80% の精度で予測することができました。高い信頼度で予測された腫瘍 (全体の約 65%) については、その精度は約 95% まで上昇しました。

これらの有望な結果を受けて、研究者らはこのモデルを使用して、CUP 患者の約 900 件の腫瘍を分析しました。これらはすべて Dana-Farber からのものです。彼らは、これらの腫瘍の 40% について、モデルが高い信頼性で予測を行うことができることを発見しました。

次に研究者らは、モデルの予測と腫瘍のサブセットの生殖系列変異または遺伝子変異に関する既存のデータ分析を比較しました。これにより、患者が特定の種類の癌を発症する遺伝的素因を持っているかどうかが明らかになります。研究者らは、モデルの予測が、他のどの種類の癌よりも、生殖系列変異によって最も強く予測される種類の癌と一致する可能性が高いことを発見しました。

投薬決定の指針

モデルの予測をさらに検証するために、研究者らは、CUP患者の生存時間データと、モデルによって予測されたがんの種類の典型的な予後を比較しました。彼らは、膵臓がんなどの予後不良のがんを患っていると予測されたCUP患者は、それに応じて生存期間が短いことを発見した。同時に、神経内分泌腫瘍など、一般に予後が良好ながんを患う CUP 患者は長生きすると予測されました。

モデルの予測が役立つ可能性があることを示すもう 1 つの兆候は、研究で分析された CUP 患者が受けた治療の種類からもたらされました。これらの患者の約 10 パーセントは、がんの起源に関する腫瘍学者の最善の推測に基づいて、標的療法を受けました。これらの患者のうち、モデルによって予測されたがんの種類と一致する治療を受けた患者は、モデルによって予測されたがんの種類とは異なる典型的な治療を受けた患者よりも良好な成績を収めました。

研究者らは、このモデルを使用して、がんの種類がわかっていたら既存の標的療法を受けていたであろう患者のさらに 15 パーセント (2.2 倍増加) を特定しました。代わりに、これらの患者はより一般的な化学療法薬を受けることになりました。

「新薬の承認を必要としないため、これによりこれらの発見はより臨床的に実用化される可能性がある。私たちが言いたいのは、これらの人々がすでに存在する精密な治療を受けることができるようになるということだ」とグセフ氏は語った。

研究者らは現在、モデルを拡張して病理学や放射線画像などの他の種類のデータを含めて、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したいと考えています。これにより、モデルは腫瘍の包括的なビューを得ることができ、腫瘍の種類や患者の予後だけでなく、場合によっては最良の治療選択肢さえも予測できるようになります。