トピックス
JCOG肺がん外科グループによる JCOG2208A (AI PREDICTION) の主たる解析論文が JTCVS Open (IF: 1.9)に掲載されました
論文・学会発表- JCOG肺がん外科グループによる JCOG2208A (AI PREDICTION) の主たる解析論文が JTCVS Open (IF: 1.9)に掲載されました
- Aokage K, Ukita J, Miura M, Ogaki K, Kataoka T, Mitome N, Isaka M, Yotsukura M, Watanabe S-i, Tsuboi M. Artificial Intelligence-based Algorithm for Predicting Outcomes in Early-stage Lung Cancer (AI PREDICTION): An Annotation-free Imaging AI Study. JTCVS Open. 2026:101742.
- 目的
- 手術は，臨床病期I期の非小細胞肺癌（NSCLC）に対する標準治療である。従来の予後因子には主観性や評価のばらつきが伴うことが多く，より客観的な予測手法の開発が求められている。本研究では，臨床病期I期NSCLCの予後を予測するために，コンピュータ断層撮影（CT）画像と臨床情報を用いた，アノテーション不要の人工知能（AI）モデルを開発し，その妥当性を検証した。
- 方法
- ステップ1では，3つの前向き多施設共同試験で収集されたCT画像および臨床データを用いて，病理学的分類を予測するAIアルゴリズムを開発した。ステップ2では，国立がん研究センター東病院のコホートを用いてモデルを改良し，検証を行った。5年無病生存（DFS）および全生存（OS）を予測するモデルを学習させた。性能評価には，感度，特異度，陽性的中率，陰性的中率，および受信者動作特性曲線下面積（AUC）を用いた。
- 結果
- ステップ1では1,217例，ステップ2では1,338例を解析対象とした。CT画像と臨床データを統合したモデルは，いずれか一方のデータのみを用いたモデルよりも高い性能を示した。病理予測モデルのAUCは0.787であった。5年DFS（AUC = 0.757）およびOS（AUC = 0.756）の予測では，術前臨床情報，医師によるCT評価，およびAIに基づくCTモデルを組み合わせた場合に最も高い性能が得られた。臨床因子にAIの出力を追加することでリスク層別化が改善し，高リスク群と低～中間リスク群の分離能が向上した。
- 結論
- CT画像と臨床データを統合したアノテーション不要のAIモデルは，臨床病期I期NSCLCにおける再発および生存を正確かつ客観的に予測できる。これは従来の診断を補完し，個別化された集学的治療戦略の立案を支援する可能性がある。