Predicting malnutrition in colorectal cancer: a systematic review of risk prediction models

大腸（結腸および直腸）に影響を及ぼす疾患である大腸がん（結腸直腸がん）は、依然として世界中で最も一般的かつ深刻な健康課題の一つであり続けています。この病気と向き合う患者にとって、隠れた、しかし極めて重要な伴侶として、しばしば「栄養不良」という状態が現れます。この状態は単に体重が減少しているということではありません。組織を修復し、感染症と戦い、治療の厳しさに耐えるために必要な必須栄養素が身体から欠乏しているという、複雑な状態なのです。大腸がんの患者が栄養不良に陥ると、その結果は深刻です。術後の感染リスクが高まり、入院期間が長期化し、化学療法の耐性が低下します。そのため、医療チーム、特に患者の衰退を最初に察知することの多い看護師には、手遅れになる前にリスクのある患者を見つけ出すための信頼できる方法が必要となります。目標は、身体の備蓄が使い果たされる前に、脆弱な状態にある人々を早期に特定し、助けを与えることです。

長年、研究者たちは、どの患者がこの危険な状態に陥るかを予測するための数学的なツールを構築しようと試みてきました。これらのツールは「予測モデル」と呼ばれ、年齢、腫瘍の大きさ、血液検査の結果、身体的な強さといった様々な要因を天秤にかけ、リスクスコアを算出するチェックリストのようなものです。期待されていたのは、看護師がこのようなツールを用いて、即座に栄養サポートを必要とする患者をフラグ立てできることでした。しかし、これらのツールの状況は混乱していました。いくつかのモデルは、実際の栄養不良の状態ではなく、生存率や特定の血液マーカーなど、異なるものを予測していました。また、何をもって「栄養不良」とカウントするかという定義も異なっていたため、公平に比較することが不可能でした。この混乱を打破するため、中国と米国の大学および病院の研究者チームは、このトピックに関する利用可能なあらゆる研究を集め、批判的な眼差しで検討することにしました。

研究チームは、2026年5月1日までに発表された研究を対象に、8つの主要な科学的データベースを通じて包括的な検索を行いました。彼らは、大腸がん患者における栄養不良または栄養リスクを予測するモデルを構築した研究を幅広く探しました。彼らは、含めるべき基準を厳格に定めました。モデルは、単一の血液検査結果や生存期間の推測ではなく、認められた医学的基準によって定義された、栄養不良の臨床的な実態に焦点を当てたものでなければなりません。数千件の記録を精査し、重複や無関係な論文を取り除いた結果、基準を満たす13件の研究が見つかりました。これらの研究には、診断されたばかりの患者から、手術後や化学療法中の患者に至るまで、合計数千人の患者が含まれていました。

研究チームがこれら13のモデルを分析したところ、理論上は非常に有望であることが分かりました。モデルは、リスクのある患者とそうでない患者を高い精度で識別することができました。統計学の言葉を使えば、両グループを分離する能力（AUC）は良好から優秀な範囲にありました。研究者は、一部のモデルがAUC 0.88でリスク患者を正しく特定しており、初期テストにおいてさらに精密なものもあったと指摘しています。これらのツールは、単純な方程式からより複雑なコンピュータ・アルゴリズムに至るまで、多様な手法を用いて予測を行っていました。それらは、患者の年齢、BMI（体格指数）、がんのステージ、ヘモグロビン値、日常生活の動作能力といった一般的な手がかりを利用していました。また、特定の栄養スクリーニング・スコアや、所得、タンパク質摂取量といった要因を見るモデルもありました。

しかし、研究チームがモデルの構築方法や検証方法を深く掘り下げると、物語は一転します。表面上の数字は印象的であったものの、チームは、13のモデルすべてに設計および報告における重大な欠陥があることを見出しました。主な問題は、モデルが新しい、異なるグループの人々に対してテストされていないことでした。ほとんどのモデルは、同じ患者グループを用いて構築・テストされており、これはまるで、練習問題を解いた直後に同じテストを受ける学生のようなものです。このアプローチは、ツールの性能を過度に楽観的に見せてしまうことがよくあります。研究者は、多くの研究において、欠損データの扱い、採用する因子の選択方法、あるいはモデルが「オーバーフィッティング（過学習）」、つまり一般的なルールを学習するのではなく、訓練データの特定の詳細を暗記してしまう傾向がないかについて、説明が不足していることを指摘しました。これらの問題により、チームは、これらのモデルは実際の病院での臨床決定に使用できる段階にはまだない、と結論付けました。

また、このレビューは研究における多様性の欠如についても浮き彫りにしました。ほとんどの研究が中国で行われており、米国からのものはわずか1件でした。これは、特定の食事習慣、ヘルスケアシステム、遺伝的背景を持つ特定の集団のデータに基づいてツールが構築されていることを意味します。ある地域でうまく機能するモデルが、別の地域では全く機能しない可能性もあります。さらに、栄養不良の定義は研究間でわずかに異なり、ある研究では一つの基準を用い、別の研究では異なる基準を用いるといった状況がありました。研究チームは、対象を臨床的に定義された栄養不良に絞り込みましたが、この差異は依然として、結果を一つの統一された全体像へと統合することを困難にしていました。また、新しいモデルの中には機械学習や人工知能が使用されているものもありましたが、これらの高度な技術も、不適切な研究デザインや外部検証の欠如という根本的な問題は解決していませんでした。

このレビューからの最終的なメッセージは、慎重な楽観主義と、厳格さへの呼びかけを併せ持ったものです。既存のモデルは、大腸がん患者の栄養リスクを予測することが可能であることを示しており、初期の結果は心強いものです。しかし、看護師が患者の枕元で自信を持って使えるツールへの道のりは、まだ完了していません。研究者たちは、これらのモデルを完成品ではなく、あくまで予備的なアイデアとして捉えるべきだと強調しています。臨床的な意思決定の指針として信頼されるためには、異なる病院や国々の、大規模で多様な患者グループでテストされる必要があります。今後の研究は、モデルが現実の世界で機能することを証明するために、新しい人々に対してテストを行うよう、より注意深く設計されなければなりません。それまでは、医療チームにとって最善のアプローチは、専門的な判断と確立されたスクリーニング方法を用い、これらの新しいツールを即時の解決策としてではなく、将来の補助手段としての可能性として念頭に置いておくことです。道のりはまだ遠いですが、この系統的レビューは、分野が現在どのような状況にあり、有望な計算を命を救うケアへと変えるために次にどのようなステップを踏むべきかを示す、明確な地図を提供しました。