早期非小細胞肺癌の術後進行を特定するための一般化された異種連合モデル
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：A generalized heterogeneous federated model for identifying patients with postoperative progression of early-stage non-small cell lung cancer.
雑誌名：Sci Rep. 2025 Dec 01; 16(1): 910. doi: 10.1038/s41598-025-30565-6. Epub 2025 Dec 01.
概 要：
早期非小細胞肺癌（NSCLC）の術後管理において、進行リスクの高い患者を正確に特定することは、個別化されたフォローアップスケジュールや補助療法戦略の策定に不可欠です。しかし、多施設でのデータとモデルの異質性が従来の連合学習の柔軟性と一般化を制限しています。本研究では、異種連合学習モデル（HFLM）を提案し、異なるモデルアーキテクチャを採用しつつ、堅牢な特徴転送戦略を用いて異質なデータの影響を軽減します。4つの医療機関からの892人の早期NSCLC患者のCT画像を用いて、HFLMはAUC 0.863、0.837、0.846、0.847を達成しました。交差検証と層別分析により、モデルの強い一般化能力と安定性が確認されました。
方 法：
本研究は、892人の早期非小細胞肺癌患者を対象にした多施設共同研究です。異種連合学習モデル（HFLM）を使用し、異なるモデルアーキテクチャを採用することを可能にし、CT画像を用いて進行リスクを評価しました。主要評価指標はAUCであり、各施設での結果はそれぞれ0.863、0.837、0.846、0.847でした。
結 果：
HFLMは、異なる医療機関においてAUC 0.863（95% CI, 0.8072–0.9192）、0.837（95% CI, 0.7204–0.9530）、0.846（95% CI, 0.7349–0.9564）、0.847（95% CI, 0.6971–0.9963）を達成しました。交差検証と層別分析により、モデルの一般化能力と安定性が強く確認されました。
結 論：
提案したHFLMは、術後の早期非小細胞肺癌患者における進行リスクの特定において高い精度を示し、異なる医療機関間でのデータの異質性を克服する可能性があります。このアプローチは、個別化されたフォローアップと治療戦略の開発に寄与することが期待されます。