AIツールで免疫療法薬へのがん患者の反応を予測
概要
米国国立衛生研究所（NIH）の研究者らは概念実証研究において、単純な血液検査などの日常的な臨床データを使用して、患者のがんが免疫チェックポイント阻害薬（免疫細胞によるがん細胞の殺傷を促す免疫療法薬の一種）に反応するかどうかを予測する人工知能（AI）ツールを開発した。この機械学習モデルは、免疫療法薬が患者のがん治療に有効かどうかを医師が判断するのに役立つ可能性がある。2024年6月3日にNature Cancer誌に発表された本研究は、ニューヨークにある国立がん研究所（NCI）がん研究センターとスローンケタリング記念がんセンターの研究者らが主導した。NCIは国立衛生研究所の一部である。
免疫チェックポイント阻害薬による治療対象となる可能性のある患者を特定する目的で、現在、2つの予測バイオマーカーが食品医薬品局（FDA）によって承認されている。１つは腫瘍変異負荷、つまり、がん細胞の DNA の変異数である。もう1つはPD-L1 で、これは免疫反応を制限し、一部の免疫チェックポイント阻害薬の標的となる腫瘍細胞タンパク質である。ただし、これらのバイオマーカーは免疫チェックポイント阻害薬に対する反応を常に正確に予測するわけではない。分子配列データを使用する最近の機械学習モデルは、反応を予測する上で価値があることが示されているが、この種のデータは入手に費用がかかり、定期的に取れるものではない。
今回の最新研究では、患者から日常的に収集される 5 つの臨床的特徴 (患者の年齢、がんの種類、全身療法の履歴、血中アルブミン濃度、炎症マーカーである血中好中球対リンパ球比) に基づいて予測を行う、異なる種類の機械学習モデルについて詳しく説明する。このモデルは、シーケンシングパネルで評価される腫瘍の変異負荷も考慮に入れる。18 種類の固形腫瘍にわたって、免疫チェックポイント阻害薬で治療された 2,881 人の患者を含む複数の独立データセットを利用して、本モデルを構築、評価した。
本モデルは、患者が免疫チェックポイント阻害薬に反応する可能性と、患者の全生存期間と病気が再発するまでの生存期間を正確に予測した。研究者らによると、注目すべきことに、このモデルは、腫瘍の変異負荷が低く免疫療法薬でも効果的に治療できる患者を特定することもできたという。
研究者らは、臨床現場で AI モデルの評価を進めるには、より大規模な前向き研究が必要であると指摘した。研究者らは、Logistic Regression-Based Immunotherapy-Response Score (LORIS：ロジスティック回帰ベース免疫療法反応スコア) と呼ばれる AI モデルをhttps://loris.ccr.cancer.govで公開している。このツールは、上記の 6 つの変数のデータに基づいて、患者が免疫チェックポイント阻害薬に反応する可能性を推定する。
本研究は、NCI がん研究センターの Eytan Ruppin 医学博士と、スローンケタリング記念がんセンターの Luc GT Morris 医学博士が共同で主導した。研究作業は、NCI がん研究センターの Ruppin 博士グループの Tiangen Chang 博士と Yingying Cao 博士が陣頭指揮を執った。
研究者
Eytan Ruppin医学博士（NCIがん研究センター）
研究
「LORISは、一般的な臨床的・病理学的・ゲノム的特徴を用いて、免疫チェックポイント阻害療法による患者転帰を確実に予測する」は、2024年6月3日にNature Cancerに掲載された。
- 監訳 高光恵美（生化学、遺伝子解析）
- 記事担当者 山田登志子
- 原文を見る
- 原文掲載日 2024/06/03
【免責事項】
当サイトの記事は情報提供を目的として掲載しています。
翻訳内容や治療を特定の人に推奨または保証するものではありません。
ボランティア翻訳ならびに自動翻訳による誤訳により発生した結果について一切責任はとれません。
ご自身の疾患に適用されるかどうかは必ず主治医にご相談ください。
がん治療に関連する記事
一部のメラノーマ、乳がん、膀胱がんで術前／術後の免疫療法薬投与により長期生存が改善
2024年10月9日
免疫チェックポイント阻害薬投与後のアバタセプト投与は、抗腫瘍活性を損なうことなく副作用を軽減
2024年9月2日
代謝プログラミングと細胞老化におけるMETTL3の新たな役割が明らかに
2024年8月30日
新たな計算ツールにより、がん進化の複雑な段階がより深く理解可能に
2024年8月30日