二重レベル埋め込みと三段階説明によるステージIII非小細胞肺癌のMDT治療意思決定支援

複雑な肺がん選択に対するより賢い支援

進行した形式の肺がんと診断された人にとって、治療の選択肢は目まぐるしく複雑であり、手術、放射線、化学療法、免疫療法、あるいはこれらの組み合わせが検討されます。理想的には、多職種の専門家が集まるMDT（multidisciplinary team：多職種チーム）が各症例を検討して個別化された計画を立てます。しかし、多くの病院、特にリソースが限られる施設では、多くの患者がそのレベルの注意を受けられていません。本研究は、そのような専門チームの推論を模倣し、説明可能にする人工知能（AI）システムを記述しており、MDTと同等の助言をより多くの患者に届けることを目的としています。

なぜ治療決定が難しいのか

非小細胞肺癌（NSCLC）は世界で最も一般的な肺がんのタイプであり、患者の約3分の1は最初の診断時点で既にステージIIIにあります。この段階では、腫瘍やリンパ節の影響のしかたがさまざまで、各患者の病態パターンが独特になります。その結果、単純で万人向けの治療経路は存在しません。MDTは外科医、腫瘍医、放射線科医などの専門家を集め、患者記録の詳細を総合的に検討して治療方針を決定します。研究はこのチームベースのアプローチが生存率や生活の質を向上させうることを示していますが、MDT会議は時間と専門人材を要するため、実際に恩恵を受けられる患者は少数に限られます。

医療記録を学習可能なパターンに変える

このギャップを埋めるため、研究者らはMDTで検討された症例から学習し、新たな患者に推奨を提供するAIモデルを構築しました。中国の二つの大病院で治療を受けたステージIII NSCLCの患者2,876人の電子医療記録（EMR）を収集し、そのうち手術、化学放射線療法、化学療法と免疫療法や標的薬の併用など、6つの一般的なカテゴリに当てはまる2,521人に焦点を当てました。いくつかの選択された変数に頼るのではなく、このシステムは画像検査、検査値、症状、臨床所見などを記した豊富な自由記述の経過記録と、年齢や病期などの基本情報の両方を読み取ります。

数値だけでなく語彙と文を注視する

本アプローチの核心は、テキストをコンピュータが推論可能な形に変換する方法にあります。モデルは「二重レベル埋め込み」戦略を用い、単語レベルの詳細と文全体の広い意味の両方を表現します。単語については、中国語の医療文書に調整され、疾病、薬剤、症状、処置間の関係を符号化した医療知識グラフで強化された言語モデルを採用しています。文については、どの文が意味的に関連しているかを把握するよう訓練された別のモデルを使用します。注意機構（アテンション）がこれら二つの視点をどのように重み付けして結合するかを学習し、各患者記録の要約を生成してニューラルネットワーク分類器に入力し、MDTが選ぶであろう6つの治療選択肢のどれに該当するかを予測します。

AIの推論を可視化する

医師がアルゴリズムの助言を信頼し検証できるようにするため、研究チームは単語、フレーズ、文の三つのレベルで説明可能に設計しました。注意スコアは記録内で推奨に最も影響を与えた単語や文を強調します—例えば腫瘍の広がり、リンパ節の関与、重要なバイオマーカーの記述などです。注意フローと呼ばれる手法は、モデルの層を横断して単語のグループがどのように意味のあるフレーズに結び付くかをたどり、手術を支持する証拠や逆に薬物ベースのアプローチを支持する証拠を指摘します。これらの多段階の説明により、臨床医はAIの注目点が自分たちの症例解釈と一致しているかを確認でき、「ブラックボックス」の答えを受け取るのではなく検討が可能になります。

予測から現実の生存へ

MDTで検討された症例に対して、モデルは85%以上の精度、適合率、再現率、F1スコアを達成し、その提案治療が専門家の決定と密接に一致することを示しました。研究者らは次にMDT相談を受けなかった患者に何が起きたかを検討しました。実際に行われた治療がAIが推奨したものと一致する場合を「モデル一致（model-concordant）」、そうでない場合を「モデル不一致（model-nonconcordant）」とラベル付けしました。モデル一致群の患者は生存が有意に良好で、1年、3年、5年の生存率が高く、カプラン–マイヤー生存曲線も明瞭に分離しました。年齢、性別、病期、およびがんが新規診断か再発かといった因子で補正しても、モデル一致の治療を受けることは死亡リスクの有意な低下と関連していました。

患者にとっての意義

簡潔に言えば、このAIシステムは多職種の専門家の選択を模倣することを学び、各患者の記録でその選択を導く重要な事実を指し示せるようになりました。完全なMDT会議をすべての症例で実施できない病院にとって、このようなツールは拡張可能なセカンドオピニオンの役割を果たし得ます：患者固有の詳細を強調し、最も適切と思われる治療を示唆し、チームでの精査が必要な症例をフラグ付けします。本研究は二施設のステージIII NSCLCに限定され、より広範な検証が必要ですが、慎重に設計された解釈可能なAIが複雑ながん治療に対して専門家レベルの意思決定支援を多くの患者にもたらす可能性を示唆しています。

引用: Chen, Z., Chai, N., Wang, J. et al. Intelligent MDT treatment decision making for stage III NSCLC using dual level embedding and three level explanation. Sci Rep 16, 7807 (2026). https://doi.org/10.1038/s41598-026-39658-2

キーワード: 肺がん, 治療推奨, 多職種チーム, 医療AI, 生存率アウトカム