An outcome-blind H&E architecture score is associated with prostate cancer-specific mortality
本研究は、標準的なグレード分類では十分に符号化されない篩状増殖やゲノム不安定性などの有害な特徴を捉えることにより、前立腺がん特異的死亡率を予測し、生検でのグリーソン・スコアが6以下の症例を含む高リスクなサブグループを特定する、ディープラーニングから導出されたアウトカム・ブラインドなH&Eアーキテクチャ・スコアを導入するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
がん治療の世界において、医師はしばしば「グリーソン・グレードグループ」と呼ばれるシステムを用いて、前立腺腫瘍がどの程度危険であるかを判断しています。このシステムは、顕微微鏡下でがん細胞がどのように配置されているかを見て、低リスクから高リスクまでのカテゴリーに分類するものです。これは、即時の治療が必要な人と、経過観察（ウォッチ・アンド・ウェイト）で安全である可能性が高い人を判断するための標準的なツールとなっています。しかし、このシステムには盲点があります。それは、同じラベルが付いた腫瘍であっても、実際には見た目が大きく異なる可能性があるにもかかわらず、同じカテゴリー内のすべての腫瘍を一律に扱ってしまうことです。ある腫瘍は攻撃的な細胞がわずかに散らばっているだけかもしれませんが、別の腫瘍ではそれらが密集していたり、標準的なラベルでは見落とされる特定の危険な形状を含んでいたりすることがあります。このため、自身の癌は低リスクであると告げられた男性の中には、実際には隠れた、より攻撃的な疾患を抱えており、それが将来的に致命的になる可能性があるケースが存在します。
セダーズ・サイナイ・メディカル・センターの研究チームは、標準的なラベルを超えて腫瘍を見る新しい方法を開発しました。彼らは、患者の医学的な転帰や、誰が生存し誰が亡くなったかを知ることなく、組織サンプル内の癌細胞の実際の構造を精査するコンピュータプログラムを作成しました。コンピュータに特定の危険な細胞増殖パターンを認識させるよう学習させることで、彼らはこれらの悪質なパターンの負荷を測定するスコアを生成しました。このスコもを、前立腺癌の手術を受けた数千人の男性に対してテストしたところ、数十年後にこの疾患によって死亡するかどうかを予測できることがわかりました。極めて重要なことに、このスコアは前立腺癌による死亡と関連しており、他の原因による死亡とは関連していませんでした。これは、このスコアが患者の一般的な衰弱や年齢を反映しているのではなく、腫瘍そのものに特有の何かを測定していることを示唆しています。
研究者たちはまず、人間の専門家がすでに異なる種類の癌のパターンをマークした生検画像を用いて、コンピュータモデルのトレーニングを開始しました。彼らはシステムに対し、4つの特定の事項を識別するように教えました。それは、正常組織、低リスクのパターン、高リスクのパターン、そして「篩（ふるい）状増殖」として知られる特に攻撃的な形状（篩やハニカム構造のように見えるもの）です。システムは、画像の小さなタイル単位でこれらの特徴を特定することを学習しました。一度学習が終わると、研究者たちはコンピュータの知識を固定し、すでに前立腺を摘出した2つの大きな患者グループに適用しました。第1のグループは長期的な癌スクリーニング研究から、第2のグループは全国的な癌データのコレクションから選ばれました。研究プロセスにおいて、研究者たちはコンピュータに患者の生存期間を教えることはせず、単に組織の中にどれだけの危険な構造が見られるかに基づいて、コンピュータにスコアを算出させました。
結果は驚くべきものでした。平均22年以上にわたって男性たちを追跡した大規模なスクリーニング研究において、このスコアは、前立腺癌で死亡する人とそうでない人を明確に分離しました。スコアが1段階上がるごとに、前立腺癌による死亡リスクは有意に増加しました。最も高いスコアを持つ男性は、低いスコアを持つ男性と比較して、この疾患で死亡する確率がはるかに高くなっていました。重要な点は、このスコアは心臓病や他の癌など、他の原因による死亡を予測しなかったことです。この特異性は、スコアが患者の一般的な虚弱さや年齢を反映しているのではなく、前立腺腫瘍自体の脅威を真に測定していることを示唆しています。研究者が標準的なグリーソン・グレードや、年齢、腫瘍サイズといった他の臨床的要因を調整した後でも、このスコアは依然として貴重な情報を提供し、標準的なシステムが見落としていたリスクを特定しました。
この研究は、この新しいスコアが単なる古いグレーディング・システムの焼き直しではないことも明らかにしました。スコアは標準的なグレードと関連していますが、標準的なシステムが無視する詳細を捉えています。例えば、生検に基づき低リスクの癌であると告げられた男性のグループ内において、このスコアは死亡リスクがはるかに高いサブグループを特定しました。この低リスク群において、最も高いスコアを持つ男性の20年間の前立腺癌死亡リスクは4％を超えていましたが、最も低いスコアを持つ男性の死亡リスクは1％未満でした。この発見は、コンピュータが、人間の病理医が標準的なグレードを割り当てる際に見落としがちな、組織内の隠れた攻撃的な特徴を検出していることを示唆しています。また、スコアはリスクを構成要素に分解することも可能であり、高グレードの組織の量と、篩状のパターン（cribriform pattern）の存在の両方が、独立して危険性に寄与していることを示しました。
生物学的に何が起きているのかを理解するために、研究者たちは腫瘍における遺伝子活動を調査しました。その結果、高スコアの腫瘍は、攻撃的な癌の特徴である急速な細胞分裂や遺伝的不安定性に関連する遺伝子によって駆動されていることがわかりました。また、このスコアは堅牢（ロバスト）であり、研究者が病理画像に基づいてトレーニングされた異なるコンピュータビジョンツールを使用している限り、うまく機能しました。しかし、一般的な写真ではなく医療用画像用に設計されたコンピュータビジョンツールを使用しようとすると、生存との関連性が消失しました。これは、スコアが一般的な画像認識ではなく、組織構造に関する特定の医学的知識に依存していることを裏付けています。
研究者たちは、自分たちの研究が出発点であることを認めています。研究は、分析したグループ内の死亡者数によって制限を受けており、一部の詳細な部分を絶対的な確信を持って特定することを困難にしました。また、スコアは単一の組織ブロックから導き出されたものであり、今後、この手法が前立腺サンプル全体に対して一貫して機能するかどうかを確認するための研究が必要であるとも述べています。それにもかかわらず、本研究は、コンピュータが、患者の転帰に関する事前の知識や人間のバイアスとは無関係に、前立腺癌の微妙で危険な構造を学習できることを実証しています。細胞の物理的な形状と配置に焦点を当てることで、この新しいアプローチは、現在の診断よりも高いリスクにある男性を特定するための潜在的なツールとなり、医師が誰に治療を行い、誰が安全に経過観察を行えるかを決定する方法を変える可能性があります。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。