説明可能な人工知能によるがん種およびデータモダリティを超えた無監督リスク因子の特定
カテゴリ：手術支援
公開日：2026年5月12日
タイトル：Unsupervised risk factor identification across cancer types and data modalities via explainable artificial intelligence.
雑誌名：NPJ Digit Med. 2026 May 11;9(1): doi: 10.1038/s41746-026-02663-w.
概 要：
本研究は、リスク層別化の重要性を踏まえ、従来の生存分析を臨床基準に変換する新しい手法を提案します。任意の神経ネットワークアーキテクチャを用いて、患者クラスター間の生存の異質性を最適化することで、予後的に異なる患者群を特定します。多発性骨髄腫（MM）と非小細胞肺癌（NSCLC）の2つのがん種において実際に適用し、臨床的に意義のある特徴を明らかにしました。この手法は、治療の個別化や臨床意思決定に寄与することが期待されます。
方 法：
この研究では、シミュレーション実験を通じて新しい手法を評価し、MM患者のCoMMpassデータセットおよびNSCLC患者のLung1データセットを用いて実際のデータに適用しました。神経ネットワークアーキテクチャは任意で、患者群の生存の異質性を直接最適化することに焦点を当てています。
結 果：
MMに関する発見はGMMG-MM5研究データセットで外部検証され、NSCLCの結果は自施設のデータで検証されました。これにより、提案手法の有用性が強く裏付けられました。解析により、臨床的に意味のある特徴が明らかになり、既知のリスク因子と良好に一致しました。
結 論：
この研究は、がん種を超えた新しい予後署名の発見を可能にし、解釈可能な結果を提供することで、腫瘍学における治療の個別化や臨床意思決定を補完することが期待されます。