臨床的に解釈可能なノモグラム：体組成と臨床病理学的特徴を組み合わせた進行性固形腫瘍の1年生存予測

なぜ体の構成ががん治療の成否に影響するかもしれないのか

免疫療法薬は進行がん患者の見通しを変えてきましたが、恩恵を受けるのは一部の患者に限られます。本研究は単純だが強力な発想を探ります。すなわち、脂肪や筋肉の分布と日常的な臨床情報を組み合わせれば、免疫療法開始後1年の生存確率を医師が推定する手助けになるというものです。複雑な測定値をベッドサイドで使える簡便なツールに変換し、研究者らは治療選択やフォローアップの議論を導く視覚的なスコアカードを提案しています。

腫瘍を超えて個人全体を見る

免疫チェックポイント阻害薬に反応する人を予測する現在の多くの検査は、腫瘍自体の性質――がん細胞上の特定のタンパク質や腫瘍が持つ変異の数など――に注目しています。しかし免疫応答は、その他の持病、服薬、全体的な栄養状態などより広い要因にも左右されます。体格指数（BMI）は広く研究され、肥満の患者で良好な結果と関連することがあるという「肥満パラドックス」と呼ばれる謎もありますが、BMIは粗い指標であり、脂肪と筋肉の区別や脂肪の種類の違いを識別できません。これらは免疫系に対して非常に異なる影響を及ぼす可能性があります。

スキャンを生存の手がかりに変える

研究者らは、単一のイタリアのセンターで免疫チェックポイント阻害薬を受けた146人の進行固形腫瘍の成人を解析しました。治療前に各患者は通常のCTスキャンで腫瘍の病期評価を受けており、腹部の単一断層から、臓器周囲の深部腹部脂肪や皮下脂肪など異なる区画に存在する筋肉と脂肪の量を放射線科医が測定しました。さらに、がんの種類、治療内容、栄養や炎症に関連する基本的な血液検査、糖尿病、高血圧、心疾患など一般的な併存症といった標準的な臨床情報も収集しました。

臨床要因と体組成を組み合わせたリスクスコアの構築

生存データ向けに設計された機械学習手法を用いて、まず研究チームは通常の臨床因子のみで全生存期間をどの程度予測できるかを検証しました。がんの種類、治療レジメン、喫煙歴、血液ベースの炎症比率、栄養スコアといったこれらの特徴は一定の予測力を示しましたが、新たな患者に一般化するには難がありました。次に各体組成測定値を単独で評価したところ、深部腹部脂肪と皮下脂肪の比率が単体のイメージング指標として最良の予測因子として浮上しましたが、単独では十分ではありませんでした。そこで研究者らは複数の脂肪と筋肉の測定値を数学的に組み合わせた新たな合成スコアを作成し、より長期生存と短期生存を最もよく分ける組合せを探索しました。

患者をリスク群に分類するための単純なチャート

最も情報量が多かったのは、筋内脂肪、深部腹部脂肪の量、深部対皮下脂肪の比率という3つのCT由来測定値から構成される体組成スコアでした。このスコアを12の通常収集される臨床特徴に加えると、そのモデルは臨床データのみやイメージングのみのモデルより明らかに優れていました。体組成スコアが最適化されたカットオフを超える患者の中央値生存期間は約5か月であり、カットオフ以下の患者はほぼ3年に達しました。この大きな差は、進行肺がん患者に限定しても維持されました。このモデルから、臨床医が各因子に対する患者の値を合わせて点数を合算し、1年生存の推定確率を読み取れるノモグラム（視覚チャート）が構築されました。

患者と医師にとっての意義

進行がんに直面する人々にとって、本研究は日常的なスキャンや血液検査に潜む情報を組み合わせることで、遺伝子検査などの特殊検査を必要とせずに免疫療法の結果の見通しをより明確に示せる可能性を示唆します。ただし提案されたチャートはそれだけで臨床を変える準備ができているわけではありません。研究は後ろ向きで単一センター由来、対象患者数も限られるため、予測の検証はより大規模で独立した集団で行う必要があります。それでも本研究は、腫瘍だけでなく患者の全体的な体組成と健康状態が治療結果に決定的に影響し得ることを浮き彫りにしており、強力だが高価で時に有害な免疫療法から誰が最も利益を得るかについてより個別化された判断につながる道を示しています。

引用: Bruschi, G., Paoloni, F., Pecci, F. et al. Clinically interpretable nomogram combining body composition and clinicopathological features for one year survival prediction in advanced solid tumors. Sci Rep 16, 13200 (2026). https://doi.org/10.1038/s41598-026-37510-1

キーワード: 免疫療法, 体組成, がん生存率, リスク予測, 機械学習