ニュース
08 Nov 2022
皮膚がんの中で最も致死率の高いメラノーマによる死亡の多くは、最初に早期のメラノーマと診断された患者が、その後再発し、転移するまでは発見されないケースがほとんどである。
Massachusetts General Hospital（MGH）の研究者らが率いるチームは、どの患者が再発する可能性が高く、したがって積極的な治療が有効であると予測するAIベースの方法を開発した。この方法は、npj Precision Oncology誌に掲載された研究で検証された。
早期メラノーマの患者の多くは、手術によってがん細胞を取り除く治療を受けるが、より進行したがん患者には、腫瘍細胞に対する免疫反応を効果的に強化するものの、大きな副作用を伴う免疫チェックポイント阻害剤を投与することが多くなっている。
MGH皮膚科の研究者である筆頭著者Yevgeniy R. Semenov医師は、「免疫チェックポイント阻害剤で頻繁に観察される病的で致命的な免疫学的有害事象を正当化できる高リスク患者の選択を支援する予測ツールの開発が急務である」と述べている。
「メラノーマの再発を確実に予測することで、免疫療法のより正確な治療選択が可能となり、転移性疾患への進行を抑え、治療毒性への曝露を最小限に抑えながらメラノーマの生存率を向上させることができる」
そこで、Semenov教授らは、AIの一分野である機械学習をベースに、患者の電子カルテのデータを用いてメラノーマの再発を予測するアルゴリズムの有効性を評価した。
具体的には、Mass General Brigham healthcare system（MGB）から1,172名、Dana-Farber Cancer Institute（DFCI）から548名の早期メラノーマを集め、これらのがんに関する36の臨床的・病理的特徴を電子カルテから抽出し、機械学習アルゴリズムで患者の再発リスクを予測した。
さまざまなMGBおよびDFCIの患者セットを用いてアルゴリズムを開発・検証し、腫瘍の厚さとがん細胞の分裂速度が最も予測しやすい特徴として同定された。
「早期メラノーマの再発リスクを判定するために、新しい機械学習アプローチを用いた当社の包括的なリスク予測プラットフォームは、高い分類精度とイベントの時間予測に関する精度を達成した」とSemenov氏は述べている。
「われわれの結果は、機械学習アルゴリズムが早期メラノーマの再発予測のために臨床病理学的特徴から予測シグナルを抽出できることを示唆しており、これによりアジュバント免疫療法が有効である患者を特定することが可能になる。
「Mass Generalの共著者には、Ahmad Rajeh氏、Michael R. Collier氏、Min Seok Choi氏、Munachimso Amadife氏、Kimberly Tang氏、Shijia Zhang氏、Jordan Phillips氏、Nora A. Alexander氏、Yining Hua氏、Wenxin Chen氏、Diane Ho氏、Stacey Duey氏、および Genevieve M. Boland 氏が含まれている。
この研究は、Melanoma Research Alliance、National Institutes of Health、Department of Defense、Dermatology Foundationによる支援を受けている。
(2022年11月1日公開)
