Random Survival Forest quantifies intra-stage heterogeneity of recurrence-free survival after curative gastrectomy: a single-center cohort study

外科医が胃腫瘍を切除する際、病理学者の報告書は未来を描く最初の地図となる。この報告書は、腫瘍がどの程度深く浸潤したか、あるいは近隣のリンパ節に達したかに基づいて、がんのステージというラベルを割り当てる。数十年もの間、このシステムは、患者が将来どのように再発するかを医師が推測するための標準的な手法となってきた。それは、同じラベルを持つすべての患者が同じリスクに直面すると想定して、患者をグループ化するものである。しかし、生物学がこれほど整然としていることは滅多にない。二人の人間が全く同じステージのラベルを保持していても、彼らの疾患の目に見えない細部が標準的なラベルでは捉えきれない形で異なるため、結果は大きく異なり得るのである。現代医学への問いは、広範なカテゴリーを超えて個々の固有のリスクを見通し、集団ではなくその人自身に合わせたケアを可能にできるか、ということである。

ある単一の医療センターの研究チームは、胃がんの切除手術を成功させた患者を対象に、この問いに答えるべく研究に着手した。彼らは、腫瘍が近隣のリンパ節に転移しているものの、遠隔臓器には達していない特定の患者群、すなわちIIA期からIIIC期として知られる重症度の範囲に焦点を当てた。標準的なシステムでは、これらのステージに属する全員を同様のリスクプロファイルを持つものとして扱うが、研究者たちは、これらのグループ内には重大な隠れた差異が存在すると疑った。それらを見つけ出すために、彼らは「ランダム・サバイバル・フォレスト」と呼ばれるコンピュータ手法を用いた。これは木の森ではなく、複雑なデータの中にあるパターンを見つけ出すために、多くの異なる決定経路を構築するデジタルツールである。これは、百人の異なる専門家に一つの症例について意見を求め、その回答の平均を取ることに似ている。

研究者たちは、2008年から2020年の間にがんを切除した486人の患者の記録を集めた。彼らは、コンピュータモデルが3年後および5年後にがんが再発しないかどうかを予測できるかどうかを確認するため、腫瘍の詳細や患者の健康状態を含む10種類の情報を各患者についてモデルに入力した。まず、初期のデータを用いてモデルを学習させ、次に、モデルが新しい症例に対処できることを確認するために、後年の患者を用いてテストを行った。その結果、コンピュータモデルは標準的なステージラベル単独よりも、将来を予測する上で優れていることが示された。従来のシステムは概算値を与えるにとどまっていたが、新しいモデルは、たとえ公式のステージが同じであっても、がんが再発しない可能性が非常に高い患者と、疾患の再発が見込まれる患者を区別することができた。

最も驚くべき発見は、疾患の中等度のステージにおいて、リスクがいかに多様であったかという点であった。II期からIIIB期の患者において、モデルは結果の大きな隔たりを明らかにした。これらのグループの中には、再発の可能性が非常に低い患者もいれば、再発の可能性がはるかに高い患者もおり、最低リスク群と最高リスク群の間には10〜15パーセントポイントの差があった。これは、同じステージラベルを持つ二人であっても、全く異なる未来を辿り得ることを意味しており、旧来のシステムでは完全に見落とされていた事実である。しかし、モデルは最も深刻なグループであるIIIC期については、リスクが一様に高いことを突き止めた。このグループの全員が再発という重い負担に直面しており、コンピュータモデルは、標準的なステージラベルがすでに彼らを高リスクとして特定する上で、十分に機能していることを裏付けた。このカテゴリーの中に、隠れた低リスク群は存在しなかったのである。

この研究は、胃がんの中等度のステージにおいて、現在のシステムが粗すぎることを示唆している。それは多様な患者グループをあたかも同一であるかのように扱い、不必要な不安を招いたり、あるいは監視が不十分になったりする可能性がある。新しいアプローチは、これらの患者をより細かく分類し、誰がより注意深い観察を必要とし、誰が標準的なケアで安全であるかを特定する方法を提示している。研究者らは、彼らの知見は単一のセンターに基づくものであり、それがどこにおいても真実であることを確認するために、他の病院による検証が必要であると述べている。それまでの間、この研究は、テクノロジーがいかにして、広範なラベルを超えて、各患者の疾患の具体的な現実を理解するための助けとなり得るかを示す、明確なベンチマークを提供している。