Machine learning–based 18F-FDG PET/MR fusion radiomics for predicting EGFR mutation in lung cancer

あなたは、患者の体内にある謎を解こうとしている探偵だと想像してください。通常、医師が肺がんの原因となっている「悪役」（特定の遺伝子変異）を特定しようとする場合、生検を行う必要があります。これは、針を腫瘍に刺して、ごくわずかな組織を採取する処置です。それは、暗い路地裏で犯人を捕まえ、指紋を取って正体を突き止めようとするようなものです。確かに機能はしますが、侵襲的であり、患者にとって恐怖を伴います。また、犯人が巧妙に隠れている場合、探偵が何も掴めずに終わってしまうこともあります。

ここで、医療画像の領域、特に「PET/MR」と呼ばれるハイテクなコンビが登場します。これは、彫刻家が像を見つめるように「腫瘍の形」を捉え、同時に熱カメラが熱を感知するように「どれだけのエネルギーを消費しているか」を同時に見ることができる、スーパーパワーを備えた懐中電灯のようなものです。科学者たちは以前から、腫瘍の見え方とエネルギー消費の仕方が、その遺伝的構成に関する秘密の手がかりを握っているのではないかと疑っていました。これにより、医師は針を使う代わりに、画像を見るだけで済ませられる可能性があるのです。大きな疑問は、「人間の目では見逃してしまうような画像内の微細なパターンを特定するように訓練されたコンピュータが、どの遺伝子変異ががんを駆動しているのか、そしてその変異がどれほど強力なのかを正確に言い当てることができるのか？」という点でした。これが、研究者たちが解決しようとしたパズルです。

---

デジタル探偵物語

この研究において、中山大学の研究チームは、このアイデアを検証することに決めました。彼らは、すでにこの高度なPET/MRスキャンを受けた肺がん患者66人のデータを集めました。彼らの目標は、「デジタル探偵」――すなわち機械学習モデル――を構築し、スキャン画像を見て2つのことを予測させることでした。第一に、そのがんが「EGFR変異」と呼ばれる特定の遺伝子変化を持っているかどうか（はい／いいえ）、第二に、その変異が腫瘍の中にどれほど「豊富に」存在するか（パーセンテージ）です。

「はい、いいえ」の謎：高度な特徴量の行き詰まり
チームが単純な「はい、いいえ」の質問（患者にその変異があるか？）を予測しようとしたとき、ハイテクなアプローチによる結果は、少し期待外れなものでした。彼らは、コンピュータがこの問題を解決するために、PET/MR画像の複雑で超詳細なテクスチャ解析を必要としないことを見出したのです。むしろ、答えは目の前に隠れていました。患者の性別、腫瘍のサイズ、そしてMRIにおける腫瘍の「凹凸」や不規則性といった基本的な手がかりによって、答えは導き出せたのです。

実際、彼らが高度な「ラジオミクス特徴量」（深掘りしたテクスチャデータ）をモデルに追加しようとしても、予測は向上しませんでした。それは、単純な道路標識で十分間に合う状況で、衛星地図を使おうとするようなものでした。この研究は、これらの複雑なPET/MRの特徴量が、単に変異の有無を判断するためには何の付加価値も提供しないという考えを明確に否定しました。このタスクにおける最良のモデルは、臨床的事実と基本的なMRI信号に基づいた明快なものであり、非常に高い精度（AUC 0.906）を達成しましたが、高度な画像解析は新しい情報を何も付け加えませんでした。

「どれくらいか」の謎：黄金のヒット
しかし、探偵たちが二つ目の質問、つまり「変異がどれくらいあるのか？」に挑んだとき、物語は一変します。これは「バリアント・アレル頻度（VAF）」として測定され、基本的には腫瘍細胞のうち何パーセントがその変異を持っているかを示します。

ここで、機械学習モデルは輝きを放ちました。PET画像（スキャンの「エネルギー」の部分）を分析することで、コンピュータはまるで水晶玉のように機能する、非常に具体的なパターンを見つけ出したのです。

• 患者グループ全体で見ると、モデルは変異の豊富さの違いの約**68.7%**を説明することができました。
• 鍵となった手がかりは、「標準化された代謝活性」（腫瘍がどれだけ糖分を欲しているか）と、「PETウェーブレットLLH尖度（kurtosis）」と呼ばれる特定のテクスチャ特徴量（エネルギーのホットスポットがいかに尖っているか、あるいは集中しているかを記述する高度な方法）でした。

「エクソン21」のジャックポット
最もエキサイティングな発見は、特定のサブグループ、つまり「エクソン21」（遺伝子の特定の部位）に変異を持つ患者を調べたときに起こりました。このグループにおいて、モデルは単にうまく機能しただけでなく、ほとんど魔法のようでした。

• PETスキャンからの単一の特徴量である「PET_wavelet-HHL_ngtdm_Busyness」が、変異の豊富さの変動のなんと**85.8%**を説明したのです。
• 「Busyness（忙しさ）」とは何でしょうか？ ヘリコプターから賑やかな街の通りを見下ろしているところを想像してください。交通の流れがスムーズで均一であれば、それは「穏やか」です。もし交通が混沌としていて、車が蛇行したりランダムに止まったりして、ギザギザとした動きを見せているなら、それは「忙しい（Busy）」状態です。腫瘍において、この「Busyness」スコアが高いということは、がん細胞が非常に混沌とした、不規則な方法でエネルギーを消費していることを意味します。研究では、エネルギー消費がより混沌としているほど、変異を持つ細胞の割合が高くなることが判明しました。

これが何を意味し、何を意味しないのか
研究者たちは、これらの結果が有望ではあるものの、依然として「探索的」な段階にあることを慎重に指摘しています。研究規模は小さく（わずか66人の患者、特定のサブグループに至ってはさらに少ない）、しかも一つの病院で行われました。彼らは、これがすべての人に通用することをまだ証明したわけではなく、あくまで強力な可能性を「示唆」したに過ぎません。

論文は次のように結論づけています。高度な画像解析は、変異が存在するかどうかを判断する（基本的な臨床的手がかりがすでに有効であるため）のには役立たないかもしれませんが、「どれくらいの」変異があるのかを特定する上では、特にエクソン21型において極めて有用である可能性があります。これは、将来的に医師が患者に投与すべき薬の量を正確に決定する際、「一律の対応」から「高度に個別化された計画」へと移行する助けとなるかもしれません。しかし、現時点では、実世界でこの手法を信頼できるようになる前に、より多くの患者や異なる病院での検証が必要であるとチームは述べています。