不必要な乳がん手術を回避させる機械学習アルゴリズム

乳管内に異常細胞が生じる「非浸潤性乳管がん(DCIS)」は、その死亡リスクは低い一方で、わずかな割合では病変部が浸潤性となる懸念から、積極的治療の対象ともなってきた。マンモグラフィで同定されたDCISの過剰治療を避けるため、米ミシガン大学の研究チームは、同疾患の転機を予測する機械学習アルゴリズムを構築した。

今月5日、Cell Physiologyにて公開されたチームの研究論文によると、10年以上前に研究向けに提供された細胞サンプル群をデジタル画像として、DCISの転機を予測する機械学習アルゴリズムをトレーニングしたという。導かれた最良のモデルはがんの再発と非再発を91%の精度で識別しており、偽陰性はわずかに4%であった。研究チームは、このツールが現在の臨床ワークフローに問題なく適合すること、利用の促進がDCISの過剰治療を減らす可能性があることに言及している。

本研究成果はDCISの転機予測とともに、特定の治療介入に反応する患者を特定し得ることから、個別化医療への大きな助けとなる可能性もある。日本をはじめ、各種スクリーニングの実施件数が多い国・地域にとっては、過剰診断・治療が問題視されることも多く、技術利用による事態改善には期待が大きい。

前の記事わずかに触れるだけでお支払い – 指先でデジタル情報を送信する先進技術
次の記事米FDA承認のデジタル聴診器「Feelix」- Sonavi Labs社
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. M.Okamoto MD, MPH, MSc, PhD
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員を経て、SBI大学院大学客員准教授、東京大学特任研究員など。専門はメディカルデータサイエンス。

2. T.Sugino MD
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。