Clinlabomics-Based Machine Learning Models for Risk Warning of Multi-Type Gastrointestinal Cancers

人間の体を、活気あるハイテク都市として想像してみてください。毎日、何百万もの小さな労働者（細胞）がそれぞれの仕事をこなし、都市の管理システム（血液や臓器）は、状況がどのように進行しているかを示す日報を送っています。通常、これらの報告書は単なる定期的な確認に過ぎません。「交通量は少ない」「電力レベルは正常」「建設の遅延なし」といった内容です。しかし時として、特定の地区、例えば消化管で、静かで危険な反乱が始まります。これが癌です。長い間、この反乱を早期に察知する唯一の方法は、特別検査チーム（内視鏡）を派遣して、物理的に周囲を見回すことでした。しかし、このチームは費用がかかり、都市の住民にとっては少し恐ろしく、都市内のすべての建物を毎日チェックすることはできません。そこで科学者たちは、より優れた方法、つまり「火災が発生する前に、『第5地区に異常あり！』と叫んでくれる煙探知機」を求めてきました。これが「クリンラボミクス（Clinlabomics）」の世界です。これは、機械学習（パターンを学習する超スマートなコンピュータプログラム）を使用して、日常的な血液検査や病歴の中に隠れた手がかりを見つけ出すという、洗練された言葉です。大きな疑問は、「地元のクリニックですでに行われている安価で日常的な検査だけで、こうした初期の警告サインを見つけ出すデジタル探偵を構築できるのか？」ということです。

ここで、中国の4つの病院のチームによって開発された新しいデジタル探偵、「GaSeek」が登場します。彼らは単に推測したわけではありません。彼らは、健康な人々から胃や大腸の癌が確認された人々まで、11万5,32件の実際の患者記録という膨大なライブラリを用いて、この探偵を訓練しました。これは、超知能AIに人の「バイタルサイン」の成績表を読ませるようなものです。チームは、血液がどれくらいの酸素を運んでいるか（ヘモグロビン）、肝臓がどれほど機能しているか（アルブミン）、年齢、飲酒習慣など、数千のデータポイントをコンピュータに投入しました。そして、消化器系の腫瘍が醸成されているとき、その極めて初期の、静かな段階においてさえ現れる、微細で目に見えないパターンを特定するようにAIを教え込んだのです。

結果はどうだったでしょうか？ この探偵は驚くほど鋭いものでした。未知の新しいデータでテストした際、GaSeekは、自院の病院では0.960という精度スコア（AUCと呼ばれる）で消化管腫瘍のリスクを正しく特定し、他の都市の患者でテストした際には0.852というスコアを記録しました。これは非常に高いスコアであり、ランダムにコイン投げで決めるよりも、誰が病気であるかを予測する能力がはるかに高いことを意味します。最も興味深い点は、この探偵は高価で希少な、あるいは未来的なテストを必要としなかったことです。それは、標準的な健康診断で見られるような、最も一般的で平凡な血液検査に依存していました。実際、研究者がGaSeekを従来の「腫瘍マーカー」（癌によく使われる特別な血液検査）と比較したところ、GaлоSeekの方が優れた性能を示しました。単純で日常的な数値の組み合わせは、専門的なテスト単体よりも豊かな物語を語ってくれることが判明したのです。

研究者たちはまた、この探偵の「耳」が2つの特定の信号、すなわち**アルブミン（ALB）とヘモグロビン（HGB）**にチューニングされていることも発見しました。私たちの都市の比喩で言えば、もし都市の電力供給（アルブミン）が低く、酸素輸送トラック（ヘモグロビン）が空の状態であれば、探偵は直ちに消化器地区を調査すべきだと判断するのです。これら2つの要因が最大のヒントであり、次いで年齢と性別が続きました。このモデルは非常に優秀で、腫瘍が形成され始めたばかりの（初期段階の）状態さえも捉えることができます。これは、どんな探知機にとっても最も困難な仕事です。

しかし、ここにひねりがあります。この探偵は「あなたは間違いなく健康である」と言うことに関しては完璧ではありません。「あなたは間違いなくリスクがある」と言うことには非常に長けています。研究者が、誰かを「高リスク」としてフラグを立てる設定を非常に厳格にしたところ、悪党を捕まえる精度（外部テストにおける真陽性の成功率）は**99.11%**という驚異的な数値になりました。しかし、もしあなたが「低リスク」と判定されたとしても、それが安全であるという100%の保証ではありません。それは単に、即座に侵襲的な検査を受ける必要性が低いことを意味しているだけです。チームはまた、定期検診を受けている人々や、他の理由（骨折や目の問題など）で入院している人々といった「現実世界」のシナリオでもモデルをテストしました。彼らは、探偵は健康な人々が定期検診を受ける際に最もよく機能することを発見しました。都市がすでに他の問題で混沌としている場合（病院が病人の人で溢れている場合など）、探偵は少し混乱し、誤報を増やしてしまいます。

これをすべての人にとって有用なものにするために、チームはコードを研究室に留めておきませんでした。彼らはGaSeek（Gastrointestinal Cancers Seek）という無料のオンラインウェブアプリを構築しました。誰でも日常的な検査結果を入力でき、アプリは瞬時にリスクレベルを教えてくれます。もしアプリが「高リスク」と表示した場合、より詳細な検査（内視鏡）について医師に相談することを提案します。もし「低リスク」と表示された場合は、不必要な、怖くて高価な通院を避けることができるかもしれません。研究者たちはこれを「スクリーニング効率の向上」と呼んでいます。健康診断の設定において、GaSeekを使用することで、全員を検査するのではなく、高リスクの人々だけを検査することで、15.70倍多くの腫瘍を見つけることができました。

論文では、これが「後ろ向き（レトロスペクティブ）」の研究であることを認めています。つまり、彼らは過去のデータを振り返ったということであり、人々を追跡して、誰が将来癌になるかをモデルが予測するかどうかを観察する、前向きな実験はまだ行っていません。また、モデルは中国の集団に基づいて訓練されているため、異なる食事や遺伝学を持つ他の地域のの人々に対しては、再訓練が必要になる可能性があることも指摘しています。しかし、核心となるアイデアは強固です。日常的な血液検査の「ささやき」を機械学習を使って聴き取ることで、私たちはついに消化器癌を早期に発見し、全員を全身検査で怖がらせることなく命を救うことができるかもしれません。これは魔法の杖ではありませんが、消化器の健康という暗い隅々を照らす、非常に強力な懐中電灯なのです。