制御された前臨床モデルにおけるラジオミクスによるがん分類

スキャンと血液からがんを読み取る

現代のがん医療は、医用画像や検査結果の中に人間には捉えにくいパターンを見つけ出すためにコンピュータをますます活用しています。本研究は単純だが重要な問いを投げかけます：患者のがんの種類を見分けるには、スキャンに潜む情報を読み取るほうが良いのか、それとも血液から得られる情報のほうが良いのか。遺伝的に同一のマウスを用いた厳密に制御された実験で、研究者たちはこの二つのアプローチを直接比較し、どちらがより信頼できる答えを提供するかを検証しました。

「バーチャル生検」とは何か

ラジオミクスは、医用画像を単なる画像ではなく豊富なデータ源として扱う急成長中の手法です。専用のソフトウェアが腫瘍の三次元CT画像を解析し、その形状、輝度、微細なテクスチャーを表す数百の数値特徴へと変換します。理論的には、こうしたパターンは針生検や手術による組織検査と似た形で腫瘍の生物学的性質を反映するかもしれず、いわゆる「バーチャル生検」として期待されています。支持者たちはラジオミクスががんの分類、増殖性の評価、治療選択の指針に役立つと考えますが、再現性が低い、技術的な要因に影響されやすい、そして臨床医にとって解釈が難しい、といった懸念もあります。

マウスでの公平な直接対決テスト

ラジオミクスを厳密に評価するため、研究チームはほぼすべてを制御できるマウスモデルを用いました。遺伝的に同一のマウス群に、CT26（大腸がんモデル）または4T1（乳がんモデル）のいずれかの腫瘍を移植しました。全ての動物は同一系統、同一性別、同程度の年齢で、同じ環境下に置かれ、同じCT装置で撮影されました。腫瘍は3Dソフトで慎重に輪郭をとられ、一般的なラジオミクスパッケージが各スキャンから1,409の数値特徴を抽出しました。同時に、研究者たちは同じ動物から採血し、免疫細胞の種類や数十種のタンパク質を測定しました—これらのバイオマーカーは以前の研究でこれらのがんモデルをほぼ完璧に区別できることが示されていました。

数千の画像特徴を有用な信号に圧縮する

生の画像特徴の大部分は役に立たないことが分かりました：マウス間でほとんど変化しないものや、互いにほぼ重複するものが多く含まれていました。いくつかの統計的フィルタリングを経て、最終的に冗長でないラジオミクス特徴は18個だけ残り、主に単純な大きさや形状ではなく微妙なテクスチャーパターンを記述していました。チームは次に、標準的な機械学習手法であるランダムフォレストを用いて、こうして絞り込まれた画像特徴が二つの腫瘍タイプをどれだけ正確に識別できるかを評価しました。また、ラベルを事前に知らない状態でデータが自然に各がんタイプの別個のクラスタを形成するかを可視化ツールで確認しました。

血液のシグナルが画像のシグナルを上回る

血液データと画像データの対照は顕著でした。血液中の細胞数や血漿タンパク質データを二次元に縮約すると、二つの腫瘍タイプは明瞭に分離したクラスタを形成し、血液が強い腫瘍特異的シグナルを捉えていることを示しました。一方ラジオミクスデータでは、三つの混合クラスタが現れ、それぞれが両方のがんを混ぜた構成で、画像に未知の別の要因が影響を与えていることを示唆しました。教師ありテストでは、ラジオミクス単独の腫瘍分類精度は約87％で、優れてはいるものの、免疫細胞数の96％、血漿タンパク質の99％という精度には明らかに及びませんでした。ラジオミクスを血液バイオマーカーに追加しても性能は向上せず、組み合わせによっては若干精度が低下する場合もありました。さらに行った実験では、腫瘍全体の輪郭ではなく腫瘍内部の小さな球状領域だけを使うと、ラジオミクスの性能がさらに悪化し、画像上で腫瘍をどのように描くかに非常に敏感であることが強調されました。

今後のがん検査にとっての意味

一般読者にとっての要点は明瞭です：高度な画像解析がいくつか有用な手がかりを提供する一方で、本研究では二種類のがんを区別するという点で比較的単純な血液検査に劣っていました。遺伝的に同一のマウスと標準化された画像取得を用いた厳密に管理された実験環境でさえ、わずかな技術的差異や画像処理の複雑さがラジオミクス信号をぼかしてしまうようでした。著者らは、ラジオミクスが単独で高い信頼性を持つがん分類器として機能するにはまだ準備が整っていないと結論づけています。代わりに、バーチャル生検が臨床判断を信頼して導く、または確立された血液バイオマーカーに代わる存在になるためには、画像のより強力な標準化、より良い輪郭化ツール、そして画像パターンと基礎生物学とを結びつける明確な知見が必要であると著者らは主張しています。

引用: Drover, K., Davis, D.A.S., Gosling, K. et al. Cancer classification with radiomics in controlled preclinical models. Sci Rep 16, 6647 (2026). https://doi.org/10.1038/s41598-026-37757-8

キーワード: ラジオミクス, がんバイオマーカー, 医療画像, オンコロジーにおける機械学習, がんのための血液検査