重大なスクリーニング格差を埋める
肝細胞がん(HCC)は最も一般的な肝臓がんの形式であり、治療選択肢が限定され生存率が低い進行段階で診断されることが多いです。現在の臨床ガイドラインは、既知の肝硬変または慢性肝疾患のある患者のスクリーニング努力に焦点を当てていますが、Cancer Discoveryに掲載された新しい研究は、このアプローチの重大な欠陥を明らかにしています。大規模人口研究におけるHCC症例の69%が、肝疾患の事前診断を受けたことがない患者で発生していました。
この独自の発見——肝臓がん患者の大多数が診断前にリスク状態を特定されていなかった——は、現在のスクリーニングプロトコルがリスク集団のほとんどを見逃していることを示唆しています。Carolin Schneider博士が率いるRWTH Aachen Universityの研究者によって開発された機械学習モデルは、これを変える可能性のあるパスを提供しています。ルーチンの臨床記録にすでに存在するデータのみを使用して、モデルはHCCリスク評価に使用されるすべての既存の臨床スコアリングツールを大幅に上回る0.88のAUROCを達成しました。
モデルの仕組み
研究者たちは、UK Biobank内の500,000人以上の参加者の電子健康記録とルーチン血液検査結果を使用して、ランダムフォレストモデル(数百の決定木を構築し、その予測を集約するアンサンブルアプローチ)をトレーニングしました。トレーニングデータセットには538の確認されたHCC症例が含まれており、モデルが時間経過に伴うがん発症を予測する臨床特徴の組み合わせを学習することができました。
入力は意図的に実用的です。モデルは患者の人口統計情報、標準的な血液化学パネル(肝酵素、全血球計算、代謝マーカー)、および構造化されたEHRデータを使用します——これは基層医療医がルーチン検査で既に収集している情報のタイプです。専門的な画像化なし、遺伝子配列決定なし、専用の実験室インフラを必要とするバイオマーカーパネルなし。
わずか15の臨床特徴を使用した簡略版モデルでも、既存のすべてのリスク評分ツールを上回りました。これは実世界への導入にとって重要です：15特徴のモデルは迅速で、透明性が高く、ワークフローの変更を必要とせずに既存の臨床意思決定支援システムに簡単に統合できます。
驚くべき発見：ほとんどの患者に事前診断がなかった
69%という数字——肝疾患の事前診断がないHCC症例——は研究の最も扇動的な結果です。これは既存の疾患カテゴリーによって特定される高リスク群に限定されたHCC監視の根拠に直接異議を唱えています。肝臓がんの大部分が現在強化スクリーニングの対象とならない患者で発症した場合、ガイドラインで定義された高リスク患者にのみ適用される完璧なスクリーニングプロトコールでさえ、症例の3分の2以上を見逃すことになります。
このより広い集団におけるHCCリスク上昇を特定する機械学習モデルの能力は、ルーチンの臨床データのみを使用して、基層医療設定で第一段階のトリアージツールとして機能する可能性があることを示唆しています。高リスクとしてフラグが立てられた患者は、その後、画像検査または血液ベースのがんスクリーニングテストのために紹介され、治療的治療がより実行可能な段階での早期発見が可能になります。
多様な集団での検証
UK Biobank データで主にトレーニングされたモデル——年配でありか人の英国の参加者に偏っている——は他の集団に一般化されない可能性があります。研究者たちは、400,000人以上の参加者で構成される米国国立衛生研究所のデータセットである All of Us レジストリでの検証を通じてこの懸念に対処しました。
モデルのパフォーマンスは All of Us 検証コホート内の人口統計学的グループ全体で保持されており、HCC リスク予測を駆動する臨床特徴は、広範な導入をサポートするのに十分な一貫性が人口全体で保たれていることを示唆しています。これは、米国、ヨーロッパ、およびその他地域の医療システムの多様な患者集団に使用することを目的としたツールにとって重要な結果です。
研究者たちはまた、ゲノムデータまたはメタボロミクスバイオマーカーパネルを追加することで予測が改善されるかをテストしました。注目すべきことに、これらの高額な追加データタイプは、ベースラインの臨床モデルに対する最小限のパフォーマンス向上を提供しました。これは、最も有用な HCC リスク信号は医療システムが収集するルーチンデータにすでに埋め込まれており、それを抽出するにはデータ収集の増加ではなく、より優れた分析が必要であるという含意です。
臨床導入への道
この研究は後ろ向きであり、患者を前向きに追跡するのではなく、過去の記録を分析したことを意味します。前向き検証——人口を進めて追跡し、モデルでフラグが立てられた患者が実際により高いレートで HCC を発症するかどうかを測定する——は、臨床採用前の次の必須ステップです。
研究者たちはいくつかの追加的な制限を指摘しています。UK Biobank の人口は、B型およびC型肝炎ウイルス感染患者を過小評価していますが、これらは世界的に HCC の主要なリスク要因です。モデルの将来のイテレーションは、ウイルス性肝炎データを組み込み、高流行の肝炎地域でのパフォーマンスを検証する必要があります。
これらの注意事項にもかかわらず、研究の中核的な貢献は実質的です。基層医療医が追加のテストを必要とせずに既存の患者データで実行でき、0.88 AUROC パフォーマンスで肝臓がんのリスク上昇患者を特定するツールは、現在の臨床状況よりも大幅な進歩を表しています。前向きに検証され、EHR ワークフローに統合された場合、臨床実践に到達する最も影響力のある AI スクリーニングツールの 1 つになる可能性があります。
この記事は Medical Xpress のレポートに基づいています。オリジナル記事を読む。
