切除可能な非小細胞肺がんにおけるCTハビタット放射線オミクスが時空間ヘテロ接合性をプロファイリングし、術前化学免疫療法への病理学的反応を予測する：多施設研究

肺がんの患者にとってなぜ重要か

切除を受ける非小細胞肺がんの患者に対しては、術前に化学療法と免疫療法を組み合わせて投与し、腫瘍を縮小させ長期的な制御を高めることが一般的になりつつあります。しかし、すべての患者が同じように利益を得るわけではなく、誰が良好に反応するかを事前に簡便かつ非侵襲的に予測する方法はまだ確立されていません。本研究は、日常的に取得されるCT画像の内部に潜むパターンが、この併用治療に感受性のある腫瘍とそうでない腫瘍を見分けられるかを検討しています。

画像に隠れた手がかりで腫瘍の内部を覗く

研究者らは「腫瘍ハビタット」という概念に着目しました。腫瘍を一様な塊として扱うのではなく、CT上で異なる見え方をする領域が織りなす小さな地形として捉える考え方です。腫瘍全体の多様性を測るだけでなく、これら異なる領域が腫瘍内部でどのように配置されているかも可視化しました。治療前後のスキャンを比較することで、領域の配置と時間的変化の両方を追跡し、腫瘍挙動をより豊かに捉えることを目指しました。

誰が対象でどんな情報を使ったか

研究チームは、中国の3施設で治療を受けた切除可能な非小細胞肺がん患者394名のCT画像を解析しました。全患者が術前に標準的な化学免疫療法を受け、摘出された腫瘍は顕微鏡で検査されて残存がん細胞の割合が評価されました。残存がん細胞がごく少ない患者は「大きく反応した群（major responders）」に、腫瘍の多くが残存している患者は「非反応群（non-responders）」に分類されました。各患者について、基礎的な臨床情報とともに、治療前後のCT画像から得られた詳細な計測値が収集されました。

複雑な画像を予測スコアに変換する

各腫瘍から、画像の明るさ、テクスチャ、空間パターンを記述する多数の数値的特徴がコンピュータによって抽出されました。ひとつの特徴群は腫瘍全体を単一の対象として要約し、別の群はハビタットと呼ばれる異なる領域がどのように配置され、どれほど相互作用しているかを捉えました。三番目の群は、最初のスキャンと二回目のスキャン間でこれらの信号がどのように変化したかを測定します。機械学習手法を用いてこれらの測定値を選別し、腫瘍が治療に強く反応する確率を推定するモデルを構築しました。

画像ベースの手法の有効性

モデルを検証したところ、腫瘍全体を示す特徴とハビタットベースの特徴はそれぞれ単独でも大まかに大反応者と非反応者を識別する能力がありました。しかし、最も優れた性能は両者の情報を統合したアプローチから得られました。異なる病院の独立した患者群でも、この統合モデルは臨床意思決定に役立ちうる精度レベルに達しました。さらに解析すると、特定の肺がんサブタイプや胸部深部に位置する腫瘍でモデルが特に良好に機能する傾向が示され、解剖学的条件によって画像パターンの情報量が変わる可能性が示唆されました。

治療選択に対する意味合い

非専門家向けに要点を述べれば、通常のCTスキャンには肉眼では見えないより多くの情報が含まれている可能性があるということです。腫瘍を異なる“地域”からなる生きた地形として扱い、治療中にそれらの地域がどのように変化するかを観察することで、術前に誰が化学免疫療法の恩恵を受けやすいかを推定できる可能性が示されました。さらなる研究と大規模な前向き試験が必要ですが、このハビタットベースの画像解析フレームワークは、治療をより早くかつ安全に調整できる将来を指し示しており、効果のない治療を避ける一方で、長期制御の可能性を高める患者には最善の治療を提供する助けとなり得ます。

引用: Peng, Q., Xu, Y., Shen, L. et al. Habitat-based CT radiomics profiling spatial-temporal heterogeneity in resectable NSCLC predict pathological response to neoadjuvant chemoimmunotherapy: a multi-center study. npj Precis. Onc. 10, 190 (2026). https://doi.org/10.1038/s41698-026-01388-z

キーワード: 肺がん, CTラジオミクス, 化学免疫療法, 腫瘍ヘテロ接合性, 治療反応