98 件の論文
この研究は、術前化学療法後に腋窩リンパ節に単一の残存陽性節を有する乳がん患者では腋窩手術の縮小が生存率に悪影響を及ぼさないことを示したが、複数の残存陽性節がある患者ではその戦略を適用できないことを明らかにし、ypN1 病変の予後における不均一性を強調している。
この論文は、免疫療法に伴う有害事象（irAE）の検出において、自律型 AI システムが人手によるチャートレビューに比べて効率性、精度、および一貫性を大幅に向上させることを、多段階の検証研究で実証したものである。
本論文は、498 例の clear cell 腎細胞癌患者の画像質量細胞計測データを用いて機械学習を適用し、患者の生存率を臨床データよりも高精度に予測する 3 つの生存エコタイプ（不良、中等度、良好）を同定し、これらを標準的な H&E 画像から深層学習で予測可能なことを示すとともに、中等度エコタイプ患者における免疫療法の生存利益を明らかにした研究です。
本研究は、前向きコホートにおけるモデルアーキテクチャの最適化により、特異度 97% 以上を維持しつつ早期がんの検出感度を向上させた、メチル化とタンパク質を組み合わせた多癌種早期発見（MCED）分類器「MP V2」の開発とその性能を検証したものである。
本研究は、マイクロ流体ビーズ免疫アッセイを用いて血清中の IL-6 濃度を頻回に測定することで、CAR-T 細胞療法に伴う神経毒性（ICANS）の発症を翌日に予測できることを示し、早期介入による患者管理の改善に寄与する新たな手法を確立しました。
本研究は、転移性去勢抵抗性前立腺がん（mCRPC）において、治療開始 3 ヶ月後の PSA 値から算出された腫瘍増殖速度（g-rate）を組み込んだ機械学習モデル「G3Surv」を開発し、従来の Cox 比例ハザードモデルを上回る精度で早期に生存期間を予測し、個別化された臨床意思決定を支援できることを示しました。
NHS-Galleri 試験の主要評価項目の未達成は、検査性能の欠如ではなく、診断までのシステム的な遅延によって早期のがんが進行してステージが上昇する「ステージ・スリップ」現象が原因であり、この遅延が統計的な結果を歪めていたことをモンテカルロシミュレーションによって実証した。
本論文は、8 年間にわたり 1652 例の乳がん検体から得られた絶対定量データに基づき、従来のサブタイプ分類に代わり ER/PR シグナル軸が乳がんの予後を支配する主要なメカニズムであることを示し、超安全群の生物学的基盤を解明する新たな枠組みを提唱しています。
本研究は、5,000 例以上の乳がんの多オミクス解析に基づき、腫瘍の生物学的振る舞いを「増殖型」と「シグナル伝達型」の 2 つの機能的プログラムに分類する新たな枠組み「T-OMICS」を確立し、これにより PIK3CA 変異の予後に関する曖昧性を解消し、個別化医療に向けたより正確なリスク評価と治療戦略の策定を可能にするものである。
本研究は、多施設コホートを用いた深層学習および放射線学的手法により、膠芽腫（IDH-wt）患者の無増悪生存期間を予測する際に、腫瘍周囲の浮腫と白質の切断マッピングから得られる高次元の放射線学的特徴を臨床データと統合することが、従来の臨床モデルよりも予測精度を向上させることを示しました。
本研究では、低悪性度膠芽腫患者の放射線・化学療法に対する時間的応答を可視化するための因果機械学習フレームワーク「CAST」を適用し、化学療法が長期的な生存利益をもたらす一方で、放射線療法の効果は限定的であることを示しました。
本研究では、肺がん患者の生存リスクを層別化し予後を改善する分子マーカーを同定するために、ゲノム、トランスクリプトーム、プロテオームデータを統合する深層学習フレームワーク「NeuroMDAVIS-FS」を開発し、従来の臨床モデルを大幅に上回る予後予測精度の実証を行いました。
本論文は、アンスラサイクリン系薬剤で治療歴のある切除不能な進行・再発性軟部肉腫患者における第二線以降の全身治療の比較有効性を評価するため、ランダム化比較試験を対象としたシステマティックレビューとネットワークメタ分析を計画していることを示しています。
この研究は、ガーナの低資源環境において、婦人科がんおよびその治療が若年女性の生殖能力に与える多面的な心理社会的負担と、それに対するレジリエンスを質的調査を通じて明らかにし、包括的な支援体制の必要性を提言するものである。
この二重盲検シャム対照試験は、頭頸部がんの放射線治療中に口腔内光生物調節（PBM）療法を毎日実施することが、重度の口腔粘膜炎の発生率を有意に低下させ、安全かつ忍容性が高いことを示しました。
本論文は、アリルスルファターゼB（ARSB）とペムブロリズマブの併用療法が、B16F10 転移性黒色腫マウスモデルにおいて、異なる機序によるアポトーシスの誘導や浸潤性の低下を通じて相乗的に腫瘍の進行を抑制し、治療成績を向上させる可能性を示したものである。
本論文は、学習科学の原理（ACT-R、IRT、FSRS、ZPD、メタ認知較正）を統合し、6 種の専門 AI エージェントと 9 つの権威あるガイドラインに基づく RAG 技術を活用して、医学的オントロジー教育における知識の陳腐化と AI の誤りリスクという二重の課題に対処する、初の AI ネイティブ適応学習プラットフォーム「Onco-Shikshak V7」を提案するものである。
本論文は、機械学習と古典的統計モデルを統合し、PSA、ALP、AST の 3 つの簡易な検査値からなる「PROGRESS」という新しいリスク層別化スコアを開発・検証し、去勢抵抗性前立腺がん患者の予後予測と個別化医療への実用的な貢献を明らかにしたものである。
この研究は、米国における乳がんおよび前立腺がんの死亡率の地域格差を分析し、人種・民族集団内の郡レベルで社会行動的リスク要因が死亡率の高低と関連しており、集団平均ではなく集団内の変動とドメイン別プロファイルを考慮した介入戦略が公平ながん対策に重要であることを示しています。
チェコにおける国家規模の行政データとがん登録データを連携させた本研究は、非小細胞肺がんの病期別ケアパスウェイを分析し、治療開始までの時間や多職種チーム会議、専門センターへの集中化、PD-L1 検査の実施率などの品質指標を特定・評価する手法を確立し、これを同国のがんケア品質改善のための継続的な評価ツールとして導入しました。