マルチオミクス深層学習はFDG PET-CTに基づく乳がんの長期予後予測を改善する

患者と家族にとってなぜ重要か

乳がんと診断されたとき、最初に尋ねられることの一つが「これは将来にとってどういう意味か」です。現在の病期分類や検査は大まかな見積もりしか示しません。本研究は、医用画像、医師の所見、基本的な臨床情報を高度な人工知能と組み合わせることで、長期生存や再発リスクについてより明確で個別化された見通しを提供できるかを検討しています。

体内のエネルギー利用を見つめる

本研究で重要なツールはFDG PET-CTという画像検査です。通常のCTのように組織の形状を示すだけでなく、どれだけ糖を消費しているかを可視化するため、腫瘍の活動性が分かります。医師は既に、この検査から得られるいくつかの数値—腫瘍の「明るさ」や大きさなど—が予後と関連することを知っています。しかし、従来の指標は画像に含まれる豊富な情報のごく一部しか捉えておらず、多くは専門家が手作業で腫瘍輪郭を描くという労力に依存しています。

スキャンと報告書をコンピュータに読み取らせる

研究グループは、1つのオランダのがんセンターで過去15年間に治療を受けた1,210人の乳がん女性から、FDG PET-CT画像、対応する放射線科レポート、日常的な臨床データを収集しました。診断時に遠隔転移が明らかであった患者はいませんでした。彼らはMulti-Omics Prognostic Stratification（MOPS）と呼ぶシステムを構築しました。これは深層学習—大規模データからパターンを学習する人工知能の一種—を用いて、画像そのもの、放射線科医が記述した報告書、年齢や腫瘍径、リンパ節状態、ホルモン受容体の型といった臨床因子という三種類の情報を統合します。自動化プログラムがまず乳房腫瘍と関与したリンパ節を輪郭抽出しておき、モデルが手作業のトレースなしに最も関連性の高い領域に集中できるようにしました。

多くの手がかりを組み合わせてより多くを引き出す

研究チームはまず、従来のスキャン由来の数値がどれほど生存期間や再発を予測できるかを検証しました。代謝腫瘍体積や総病変糖代謝など、腫瘍全体の負担を反映する指標はピークの明るさといった単純な指標より良好でしたが、その予測精度は依然として限定的でした。胸部全体を解析する深層学習モデルはこれら従来の指標を上回りました。次に、研究者らは画像、文書化された報告、臨床情報という三つのデータ“ストリーム”を個別に評価しました。その中では臨床データ単独が最も強力な単一の予後情報源でした。それでも三つすべてをMOPSで融合すると性能はさらに向上し、3年、5年、10年の全生存および無病生存の双方に対してより信頼できる予測を示しました。

ブラックボックスを開く

治療方針に影響を与えるツールは医師が信頼し説明できなければならないため、チームは解釈可能性を考慮してMOPSを設計しました。CTスライスに重ねたヒートマップは、モデルが無関係な領域ではなく主病変と関与リンパ節に着目していることを示しました。臨床データに関しては、腫瘍径（Tステージ）、リンパ節状態、家族歴など、よく知られた影響の大きい因子が強調されました。テキスト報告ではリンパ節や腫瘍部位、代謝活動を表す語句が強調される傾向があり、放射線科医の判断と一致する面がありました。異なる病期や生物学的サブタイプを通じて、モデルは患者を高リスク群と低リスク群に分けることができましたが、非常に小さく早期の腫瘍のように既に生存率が優れている群ではその差は当然小さくなりました。

臨床への意味

実務的には、本研究は画像、医師の所見、標準的な臨床情報を注意深く組み合わせることで、単独の情報源よりも乳がん患者の長期見通しの推定を鋭くできることを示唆します。異なる病院やスキャナ種で検証されれば、MOPSのようなツールは、より綿密な追跡や集中的治療が本当に必要な患者を特定し、一方で低リスクの患者には不要な治療や不安を避けさせる助けとなる可能性があります。臨床医を置き換えるのではなく、複雑なデータを個別化されたリスクスコアに要約して、予後や次のステップについてのより明瞭な対話を支援する第二の目として機能します。

引用: Liang, X., Zhang, T., Braga, M. et al. Multi-omics deep learning improves FDG PET-CT-based long-term prognostication of breast cancer. npj Precis. Onc. 10, 74 (2026). https://doi.org/10.1038/s41698-026-01283-7

キーワード: 乳がんの予後, PET-CT画像, 深層学習, マルチオミクス, 生存予測