深層学習によるラジオパソミック署名は肝切除後の肝細胞がん再発リスクを予測する

肝がん患者にとってなぜ重要か

肝がんは世界的に死亡率の高いがんの一つで、外科医が目に見える腫瘍を切除しても、多くの患者で数年以内に病気が再発します。本研究は、医用画像と腫瘍の顕微鏡画像を組み合わせる人工知能ツールを提示し、肝がんの最も一般的な型である肝細胞がんの再発が起こりやすい人をより正確に予測できるようにします。そのような予測は、医師が術後の経過観察や追加治療を個別化し、再発を防ぎ患者の寿命を延ばすのに役立つ可能性があります。

腫瘍を内側と外側の両面から見る

医師は通常、CTスキャン、血液検査、そして基本的な病理所見に基づいて肝切除後の再発リスクを評価します。これらのそれぞれは腫瘍を別の角度から捉えますが、いずれもその複雑さを完全には表せません。CT画像は腫瘍の全体形状、血流、肝臓との関係を示す一方、顕微鏡スライドはがん細胞の悪性度や周囲組織との相互作用を明らかにします。研究者たちは、臓器レベルのスキャンと細胞レベルの画像の両方を“見る”コンピュータシステムが、人間では見落としがちなパターンを認識し、したがって再発の予測精度が向上すると考えました。

腫瘍の統合デジタル指紋

研究チームは、二つのデータ源から各患者の腫瘍をデジタルに特徴付ける「深層学習ラジオパソミック（DLRP）署名」を開発しました。まず一つのニューラルネットワークが術前CTで自動的に腫瘍を輪郭抽出し、再発と関連する微妙な画像特徴を学習しました。次に別のネットワークが日常的に用いられるヘマトキシリン・エオシン染色の全スライド画像を解析し、千を超える小さなパッチに分割してどの顕微鏡パターンが重要かを学習しました。融合モジュールはCT特徴と病理特徴を織り交ぜ、単一のリスクスコアにまとめ上げ、個々の可視的な特徴ではなく腫瘍の振る舞いを反映する指標としました。

実患者でのスコア検証

このシステムは4つの病院で肝切除を受けた599人の患者に適用され、訓練群と独立検証群に分けられました。すべての検証セットを通じて、DLRP署名は、CTのみ、病理のみ、腫瘍径や血液マーカーなどの標準的な臨床変数、あるいは広く用いられるBarcelona Clinic Liver Cancer（BCLC）ステージを使ったモデルよりも無再発生存をより良く予測しました。DLRPスコアが高い患者は腫瘍再発の可能性が著しく高く、全生存期間も短い傾向がありました。重要なことに、この傾向は小さな腫瘍と大きな腫瘍、単発と多発、肝硬変の有無など多くのサブグループで一貫しており、スコアが腫瘍の侵攻性の中核的要素を捉えていることを示唆しています。

追加治療の指針と生物学的示唆

予測以外に、スコアは術後補助経動脈化学塞栓療法（PA-TACE）と呼ばれる追加処置の恩恵を受けやすい患者を同定するのに役立ちました。PA-TACEは化学療法薬を油性造影剤と混合して肝臓の血流に注入する手技です。全患者を合わせるとPA-TACEを受けた群は再発までの期間が長い傾向がありましたが、DLRP署名で群を分けると、その利益はほとんど高リスク患者に集中しており、低リスク患者には明確な利点が見られませんでした。これは低リスク患者が追加治療の負担を回避できる可能性を示唆します。研究チームはまた、DLRPスコアとThe Cancer Genome Atlasの遺伝子データを結びつけることで、高スコア腫瘍がなぜより悪性であるかを探りました。高スコアは腫瘍増殖や免疫療法抵抗性を駆動すると知られるWnt/β-カテニン経路の活性化と関連し、特にCD8陽性T細胞などの抗腫瘍免疫細胞の腫瘍浸潤が少ないことと結びついていました。

今後の肝がん治療にとっての意味

一般向けの要点は、コンピュータがX線に類する画像と顕微鏡像を融合して、手術後に肝がんが再発する可能性を示す単一の数字を出せるようになった、ということです。本研究はその数値が従来の病期分類を上回る性能を示し、誰が本当に追加治療やより厳重なフォローが必要かを判断するのに役立つ可能性を示しています。ツールは依然として、B型肝炎以外を含むより広い患者集団での前向き検証を要しますが、治療方針が腫瘍の大きさや病期だけでなく、個々の腫瘍を多層的に描く豊かな情報に基づいて決まる将来を指し示しています。

引用: Wang, G., Chen, W., Liang, Z. et al. A deep learning radiopathomic signature predicts recurrence risk of hepatocellular carcinoma after hepatectomy. Commun Biol 9, 295 (2026). https://doi.org/10.1038/s42003-026-09571-5

キーワード: 肝細胞がん, 肝がん再発, 深層学習, 医用画像, 腫瘍微小環境