米フロリダ大学などの研究チームは、液体クロマトグラフィー高分解能質量分析（LC-HRMS）に機械学習を組み合わせることで、脳腫瘍の評価をより効率的に行える可能性を実証した。研究成果は、Journal of the American Society for Mass Spectrometryにこのほど掲載された。
髄膜腫は一般的な脳腫瘍の一種であるが、有害な転帰を防ぐためには、髄膜腫を正確に評価することが欠かせない。髄膜腫はその悪精度に応じて、grade Ⅰ〜Ⅲに分類される。grade Ⅰは進行が遅く脅威が少ないため、治療は腫瘍の摘出と経過観察に重点が置かれる。一方で、grade Ⅲは強い腫瘍侵攻性のために、切除と放射線治療の両者が必要となる。grade Ⅱはグレーゾーンであり、臨床医にとって「腫瘍を摘出し、再発の有無を経過観察するのか、予防目的に放射線照射を行うのか」について悩ましいという事実があった。
研究チームは、85の髄膜腫サンプルを分析し、各腫瘍の低分子化合物等の化学プロファイルを得た。これにより研究チームは、腫瘍の悪性度による違いをより正確に特徴付け、診断に役立つバイオマーカーの可能性を特定したとしている。機械学習の利用により、腫瘍評価プロセスは大幅に効率化されており、人の手によっては10分で20程度のデータポイントを評価できる一方で、機械学種モデルは17,000のデータポイントを1秒以内に分析したという。
機械学習モデルは腫瘍の悪性度を87％の初期精度で分類したが、研究チームは「より多くのサンプルを追加して分析すれば、さらに改善される可能性がある」と指摘する。研究チームは髄膜腫の診断と治療を革新する可能性を強調し、さらなる研究を継続している。
参照論文：
Metabolomic and Lipidomic Characterization of Meningioma Grades Using LC–HRMS and Machine Learning
関連記事：
