MRI×病理×AI：乳がん化学療法の治療応答を術前予測する新システム

MRI画像と病理診断データをグラフニューラルネットワークで統合解析することで、乳がんの術前化学療法における完全奏効を高精度で予測するAIシステムが開発されました。従来の単一モーダルアプローチを大きく上回る性能を実現し、個別化医療の実装に向けた重要な成果です。

背景

乳がんに対する術前化学療法は、腫瘍の縮小を目指す重要な治療法ですが、患者によって治療効果にばらつきが生じます。治療開始前に、その患者がどの程度治療に反応するのかを予測できれば、効果が期待できない患者への不要な薬物投与と有害事象を避けることが可能です。これまで、MRI画像解析（ラジオミクス）や病理診断のいずれか一つを用いた予測が試みられてきましたが、腫瘍内の複雑な不均一性を十分に捉えることができていませんでした。近年、複数の医学画像やデータを統合して解析する「多モーダルアプローチ」が注目されており、本研究はグラフニューラルネットワークを活用してこれを実現しています。

主な発見

• 開発されたラジオパソミクグラフニューラルネットワーク（統合AI）は、訓練データでAUC 0.95、外部施設での検証データでAUC 0.91の高い予測精度を実現。これは単一モーダルのMRI解析（AUC 0.89/0.84）や病理解析（AUC 0.87/0.83）を有意に上回りました
• 病理画像由来の情報は完全奏効の予測確率を高め、MRI由来の情報は非奏効の予測確率を高めるなど、両モーダルが相補的かつ異なる役割を担うことが明らかに
• 予測精度が高いノード（解析単位）は、腫瘍浸潤リンパ球の高密度領域が腫瘍細胞に囲まれた特徴的な組織像を示し、治療応答の組織学的マーカーとして機能
• 分子サブタイプや腫瘍サイズが異なる患者群に対しても、AUC 0.89～0.93と堅牢な予測性能を示現
• 統合勾配値、エッジ注意スコア、ノード間特徴類似度を用いて、モデルの予測根拠を完全に解釈可能な設計を実現

臨床的意義

本システムにより、治療開始前の時点で患者個別の治療応答性を高精度で判定することが可能になります。完全奏効が予想される患者には標準治療を進める一方で、応答が低いと予測される患者に対しては、治療強度の調整、別の薬物の併用、または代替療法の検討が可能になります。このような個別化アプローチにより、不必要な有害事象の軽減、がん化学療法による重篤な合併症の回避、手術計画の最適化、さらには過剰治療の段階的縮小（de-escalation）につながります。結果として、患者の生活の質の維持向上と医療資源の適正配分が実現する可能性があります。

限界

本研究は後方視的な観察研究設計であり、複数施設による大規模な前方視的検証が今後必要です。また、研究対象患者の背景因子（年齢分布、分子サブタイプの構成など）が一般臨床集団を代表しているかは明確でなく、結果の一般化可能性には留意が必要です。さらに実臨床への導入段階では、MRI・病理画像データの標準化、品質管理体制の確立、医師の臨床判断との統合的な意思決定プロセスの構築など、実装上の多くの課題が存在します。

Original paper: Radiopathomic Graph Deep Learning for Multiscale Spatial-Contextual Modeling of Intratumoral Heterogeneity to Predict Breast Cancer Response to Neoadjuvant Therapy. — Radiology. Artificial intelligence. 10.1148/ryai.250760

🎧 ポッドキャストを聴く