個別化腫瘍学の風景をナビゲートする：計算モデルを用いた課題克服と視野の拡大
カテゴリ：診断支援・画像解析
公開日：2026年1月29日
タイトル：Navigating the landscape of personalized oncology: overcoming challenges and expanding horizons with computational modeling.
雑誌名：J Am Med Inform Assoc. 2026 Jan 01; 33(1): 242-251.
概 要：
本研究では、臨床腫瘍学を例に、希少疾患に対する新しい治療法の治療反応を予測するための個別化予測における計算モデルのアプローチに関する課題を議論しています。データの不足やスパース性、学際的チームの構築の難しさなど、いくつかの課題が取り上げられています。機械学習（ML）、メカニスティックモデリング（MM）、およびハイブリッドモデリング（HM）がこれらの課題の文脈で検討されています。
方 法：
本研究では、攻撃的リンパ腫に対するキメラ抗原受容体T細胞療法の文脈で、個別化モデルの推定を改善するためにMLとMM技術を組み合わせたHMアプローチを提案しています。
結 果：
HMアプローチは、MM単独使用と比較して、平均二乗誤差を61.27±23.21%改善しました（MM: 2.36×10^5−1.68×10^5、HM: 9.57×10^4−8.37×10^4、単位は細胞）。この研究には13人の患者が含まれています。
結 論：
HM技術は、特に希少疾患において医療環境で一般的なデータの不足やスパース性の問題を克服するために必要とされる可能性があります。これらの技術を開発するには、専任の学際的チームが必要です。