MEDICINE & AI

タイトル：Whole slide image based deep learning refines prognosis and therapeutic response evaluation in lung adenocarcinoma 雑誌名：NPJ Digit Med. 2025 Jan 29; 8(1): 69. 概　要： 本研究では、肺腺癌患者の再発リスクを予測するために、組織病理画像に基づく深層学習モデルを開発しました。既存の予後モデルは有用ですが、改善の余地があります。モデルの効率は独立した多施設コホートで評価され、高リスク群と低リスク群を成功裏に定義し、全体の予後を層別化しました。また、多変量Cox分析により、モデルで定義されたリスク群が無病生存の独立した予測因子であることが示されました。TNMステージとモデルを組み合わせることで、補助化学療法の恩恵を受ける可能性が高い高リスクのステージIIおよびIIIの患者群を区別することができました。このモデルは、肺腺癌患者の生存層別化および補助療法選択の補完的バイオマーカーとしての重要な価値を示しています。 方　法： 本研究は、多施設コホートを用いた研究で、組織病理画像に基づく深層学習モデルを開発し、その効率を評価しました。モデルは、高リスク群と低リスク群を定義し、無病生存の独立した予測因子として機能しました。主要評価指標は、無病生存の予測精度です。 結　果： 深層学習モデルは、高リスク群と低リスク群を成功裏に層別化し、全体の予後を改善しました。モデルで定義されたリスク群は、無病生存の独立した予測因子として機能しました。また、TNMステージとの組み合わせにより、高リスクのステージIIおよびIII患者群を特定できました。 結　論： 本研究の深層学習モデルは、肺腺癌患者の生存層別化と補助療法選択において重要な補完的バイオマーカーとしての価値を持つことが示されました。