A spatial AI-based biomarker with independent prognostic value in early low- and intermediate- risk breast cancer

乳がんは、体自身の細胞が制御不能に増殖し始める疾患であり、多くの女性にとって最も一般的なタイプは、エストロゲンによって引き起こされるものの、HER2と呼ばれるタンパク質には反応しない細胞によるものです。医師たちは、これらの癌の中には手術後に再発する可能性が極めて低い、非常に進行の遅いものもあれば、より攻撃的なものもあることを古くから知っています。追加の治療、例えば化学療法が必要かどうかを判断するために、病理学者は顕微鏡下で組織サンプルを観察します。彼らは細胞の異常性の度合いに基づいて腫瘍のグレード（等級）を割り当てますが、通常、低グレードは予後が良いことを意味し、高グレードはリスクが高いことを示唆します。しかし、このシステムは完璧ではありません。細胞が中程度の異常しか示さない腫瘍を持つ患者の中には、数年後に癌が再発するリスクに直面する人がいる一方で、同様の見た目の腫瘍を持ちながら完全に健康なままでいる人もいます。課題は、高価な遺伝子検査や推測に頼ることなく、これら二つのグループを判別する方法を見つけることです。

スウェーデンの研究チームは、人工知能を用いてこれらの組織サンプルを観察する新しい手法を開発しました。彼らの手法は、腫瘍全体に単一の平均スコアを与えるのではなく、スライド上の特定のパターンがどこに現れているかに細心の注意を払います。彼らは、危険な細胞がどこに位置するかということが、その数がどれくらいあるかと同じくらい重要であることを発見しました。具体的には、高リスクに見える細胞のクラスター（集まり）が、腫瘍のまさに端、つまり腫瘍と健康な組織が接する部分に集まっている場合、癌が再発するリスクが著しく高くなることを突き止めました。この知見は、どの患者が本当に積極的な治療を必要とし、どの患者がそれを安全に回避できるかを特定するための新しいツールを提供します。しかも、病院がすでに持っている標準的な顕微鏡スライドを用いるだけで実現可能です。

研究者たちは、単純なアイデアからスタートしました。それは、腫瘍がどのように配置されているかという「空間的な構成」には、単純な平均スコアが見落としてしまう秘密が隠されているという考えです。腫瘍を単なる均一な塊としてではなく、異なる「近隣地域」を持つ風景として想像してみてください。ある部分は穏やかで秩序立っているかもしれませんが、別の部分は混沌として攻撃的かもしれません。長年、AIモデルはこれらのスライドを分析して、全体的なリスクを表す単一の数値を生成するように訓練されてきました。これらのモデルは強力ですが、詳細を滑らかに処理してしまい、混沌としたエッジ（端）の部分を穏やかな中心部と混ぜ合わせて、希釈された一つのスコアにしてしまうことがあります。この研究のチームは、スウェーデンの数千人の患者のデータを用いて、もし危険な部分が正確にどこにあるかをマッピングできれば、より明確なシグナルが見つかるのではないかと仮説を立てました。彼らは、腫瘍の外縁、すなわち癌細胞が周囲の健康な組織と相互作用し、押し入っていく境界である「浸潤前線（invasive front）」に注目しました。ここは、細胞がより移動しやすく侵襲的な形態へと変化することが多い、生物学的に活動的なゾーンです。

これを検証するため、科学者たちは初期段階の乳がん患者6,000人以上の組織サンプルからなる大規模なデータセットを使用しました。彼らは患者を二つのグループに分けました。一つはコンピュータモデルを訓練するためのグループ、もう一つは結果をテストするための完全に独立したグループであり、これにより、得られた知見が単なる偶然の推測ではないことを保証しました。彼らは高度なAIシステムを使用して、各顕微鏡スライドを数千の小さな正方形、すなわち「タイル」に分割し、各タイルにおける細胞の形状と構造を分析しました。AIは、高グレードで攻撃的な癌に見えるパターンを認識するように訓練されました。AIがすべてのタイルに対してスコアリングを終えた後、研究者たちは従来の研究とは異なることを行いました。単に高リスクなタイルの数を数えるのではなく、それらが「クラスター」を形成しているかどうかを調べたのです。彼らは、隣接するタイルの少なくとも3分の2が高リスクである場合を「クラスター」と定義しました。もしこのようなクラスターが腫瘍の前面に存在する場合、その患者は「クラスター陽性」と判定されました。

結果は驚くべきものでした。一般的に低〜中リスクとみなされる腫瘍を持つ患者のグループにおいて、これらのクラスターが端に存在するかどうかで、見通しが完全に変わりました。これらのクラスターを持つ患者の間では、10年以内の再発リスクが有意に高くなっていました。実際、データによれば、これらのクラスターを持つ患者の10年生存率（無再発生存率）は約90％でした。これは、グレード3のリファレンスグループで見られた92.6％という数値よりも低いものです。一方で、腫瘍の端にこれらのクラスラーを持たない患者の見通しは極めて良好であり、10年生存率は95％を超えていました。この「クラスター陰性」の患者グループは、極めて低グレードの腫瘍を持つ患者と同等の経過を辿っており、より侵襲性の低い治療を選択できる可能性を示唆しています。

決定的なことに、この新しいマーカーは、標準的なAIスコアだけでは見ることができない情報を提供しました。研究者たちは、腫瘍が全体的なAIスコアによって「低リスク」に分類された患者の中であっても、これらの特定のクラスターを端に持つ患者は、依然として再発リスクがはるかに高いことを発見しました。これは、細胞の空間的な配置が、単純な平均スコアが見逃していた隠れた危険を明らかにしていることを意味します。この研究は、スウェーデンの別の地域からの独立した患者グループでもこれらの結果を確認し、結果が特定の病院や一連のスライドに固有のものではないことを証明しました。これらのクラスターの存在は、再発リスクの約3倍の増加に関連しており、研究者が患者の年齢や腫瘍のサイズといった他の要因を考慮してもなお、強力なシグナルとして保持されました。

この研究は、癌のリスク評価の未来が、単なる平均スコアではなく、腫瘍の「マップ」を見ることにある可能性を示唆しています。高リスク細胞がどこに位置しているかという空間情報を保持することで、医師は、たとえ腫瘍が大部分は無害に見えたとしても、真にリスクのある患者を特定できるようになるかもしれません。クラスターを持たない患者にとって、このニュースは同様に重要です。それは、彼らが非常に低リスクのグループに属しているという強力な証拠となり、不必要な治療を回避できる可能性があります。この研究は、乳がんの問題を解決したと主張しているわけではありませんが、医師がリスクを理解する方法を洗練させるための、明確で具体的な手法を提供しています。それは、腫瘍という複雑な風景において、危険の「場所」は、危険そのものと同じくらい重要であるということを示しているのです。