Clinical Newswire

人工知能に基づくモデルは、卵巣がん患者の80％において治療結果（腫瘍病変の容積減少で測定）を予測することができる。
IRON（Integrated Radiogenomics for Ovarian Neoadjuvant therapy）と名付けられたこのツールは、血液中の循環腫瘍DNA（リキッドバイオプシー）から一般的特徴（年齢、健康状態など）、腫瘍マーカー、CTスキャンで得られた疾患画像まで、患者のさまざまな臨床的特徴を分析する。
この分析に基づいて、治療が成功する可能性を予測する。

この成果は、Nature Communications誌に掲載された、高悪性度卵巣がん患者134名を対象に実施された最近の研究によるものである。

この研究をコーディネートしたのは、Faculty of Medicine and Surgery of the Catholic Universityの画像診断・放射線治療学科長で、Policlinico Universitario A. Gemelli IRCCSのAdvanced Radiology Center長であるEvis Sala教授である。

このAIモデルは当初、University of CambridgeのSala教授のチームによって開発された。

卵巣がんは、イタリアでは、すでに診断を受けた３０,０００名の患者に加えて、年間5,000名以上の女性が罹患している。
特有の初期症状がないため、病気が進行した段階で診断されることが多い。
卵巣腫瘍の70〜80％を占める高悪性度漿液性卵巣がんは、特に悪性度が高く、化学療法に抵抗性を示すことが多い。
現在、このタイプの腫瘍に対する治療反応予測の精度は50%に過ぎない。

さらに、この種類のがんは不均一性が高く、患者ごとに大きく異なるため、臨床的に有用なバイオマーカーはほとんどない。 これが、化学療法反応者を正確に予測できる人工知能ベースのツールの開発につながった。

Cambridge大学のSala教授とMireia Crispin Ortuzar博士は、「われわれは、2つの独立したデータセットを作成し、合計134名の患者（1つ目のデータセットでは92例、2つ目の独立したテストセットでは42例）を対象とした」と説明した。すべての患者について、臨床医は人口統計学的情報や治療内容などの臨床データ、CA-125や循環腫瘍DNA（ctDNA）などの血液バイオマーカーを収集した。
すべての原発性および転移性腫瘍部位のCTスキャン画像から得られた腫瘍の定量的特徴も得られた。

大網および骨盤/卵巣の位置 (卵巣がんの転移に一般的) が、当初は疾患負担の大部分を占めていた。
大網沈着物は、骨盤疾患と比較して、術前補助療法に対して有意に良好な反応を示した。
腫瘍変異（例えば、循環DNAで評価したTP53 MAF）とマーカーCA-125は、治療前の全疾患負担および治療反応性と相関した。

さらに、CTスキャン画像を高度に解析した結果、治療効果を示す明確な生物学的および臨床的特徴を持つ6つの患者サブグループが明らかになった。
これらの腫瘍の特徴はすべて、ツールを構成する人工知能アルゴリズムの入力データとして使用された。
その後、開発したモデルを訓練し、その有効性を独立した患者サンプルで検証した。

「臨床的見地から、提案された枠組みは、ネオアジュバント療法が奏効しそうにない患者を早期に同定し、直ちに外科的介入を行うというアンメットニーズに対応するものである」と、Sala教授は強調した。
「このツールは、Catholic University医学部・外科学部の婦人科・産科学部長であり、Policlinico Universitario Agostino Gemelli IRCCS Foundationの科学ディレクターであるGiovanni Scambia教授のチームと共同で、Policlinico Gemelliで行われる将来の臨床研究において、個々の患者のリスクを層別化するために応用される可能性がある」と、Sala教授は結論づけている。

https://ecancer.org/en/news/23904-ovarian-cancer-artificial-intelligence-predicts-therapy-responses

（2023年11月15日公開）