医師たちは、がん治療の未来が個別化されることを願っている。遺伝学を活用すれば、患者一人ひとりの腫瘍に最も効果的な薬剤や治療法を的確にマッチングさせることができるようになるからだ。しかし、腫瘍の遺伝学に関する情報は、多くの場合、その腫瘍を持つ患者が特定の治療でどれほどの成果を上げたかというデータと結びついていない。そのため、研究者が個々の患者に合わせた治療を行うことが困難になっている。「特定の病理を持つ患者の生存期間しか分かっていない場合もあり、そもそもそれが分かっている場合さえある」と、ボストンのダナ・ファーバーがん研究所の腫瘍内科医、ケネス・ケール氏は言う。「どの遺伝子変異が特定の治療の有効性を予測するかといった疑問を抱くことは、想像以上に困難です。」
ケール氏は、こうした課題を軽減するため、電子カルテに記録された医師や放射線科医の記録から情報を抽出し、特定の患者のがんの進行度を特定できる機械学習アルゴリズムを開発するチームに加わりました。今週JAMA Oncology誌に掲載されたこのツールは、将来、臨床試験やその他の特定の介入が有効な患者の特定に役立つ可能性があります。これは、腫瘍学に人工知能を導入するためのより大規模な取り組みの一環です。
がん患者の腫瘍の進行に関する情報のほとんどは、スキャン画像を検査し、がんの状態の変化を追跡する放射線科医の記録に含まれています。ドロップダウンメニューからの選択肢やスプレッドシートのデータポイントではなく、生のテキストであるため、ほとんどの分析手法では関連情報を抽出することができません。本研究で作成されたツールは、言語に関する機械学習の進歩を活用し、電子医療記録からこれらの詳細を識別しました。
機械学習システムは、人間の読影者と同等、しかもはるかに迅速にがんの転帰を特定できました。人間の読影者は1時間に3件の患者記録しか処理できませんでしたが、このツールは数千人のがん患者からなるコホート全体を約10分で分析できるでしょう。
ケール氏によると、このツールを活用すれば、医療機関の全患者の医療記録を網羅し、臨床試験の適格性と必要性のある患者を特定し、疾患の特性に基づいて最適な治療法をマッチングさせることができるという。「大規模な患者発見が可能になります」とケール氏は言う。
このツールでは、がん患者のスキャン画像は当初、人間の放射線科医によって読影されていました。しかし、人工知能（AI）と機械学習も画像を読み取ることができ、腫瘍のスキャン画像を人間の放射線科医と同等の効率で分析できることが研究で示されています。今月発表された別の研究では、放射線科医と人工知能の専門家が協力し、甲状腺のしこりの生検が必要かどうかを判断できるアルゴリズムを開発しました。その結果、機械学習ツールからの推奨は、米国放射線学会（ACR）のシステムを使用する専門の放射線科医と同様に、生検を推奨することがわかりました。
甲状腺腫瘤の評価には時間がかかり、放射線科医はACRシステムの使用に課題を抱えることがあります。「ディープラーニングがこれらの判断を自動で行えるかどうかを確認したかったのです」と、デューク大学放射線医学・電気・コンピュータ工学准教授で、本研究の著者であるマチェイ・マズロウスキー氏は述べています。
マズロウスキー氏によると、これらのツールが放射線科医に取って代わるには、人工知能とスキャン解析に関するさらなる研究が必要だが、最近の研究ではAIが放射線科医と同等の能力を発揮できる可能性が示されている。「たとえこれらのツールが人間と同等の性能を発揮できると証明できたとしても、最終的な問題は、それが医療システムに導入されるかどうか、そしてどの程度導入されるかということです。単に機能するかどうかだけが問題ではないのです。」
ケール氏によると、医学と腫瘍学においては、視覚分析はテキスト分析よりも進んでいるものの、どちらも機械学習を通常の医療現場に統合する上で重要な要素となり得るという。例えば、スキャン画像の機械解釈を電子医療記録全体の分析に統合することも可能かもしれないと彼は言う。「それは、画像自体からどれだけの情報が得られるか、人間による解釈からどれだけの情報が得られるか、そしてモデルによる画像解釈から何が得られるかを検討することを意味します」と彼は言う。「最適な戦略はまだ分かっていません。」
ケール氏は、今後、人工知能（AI）が癌の進行の特定とモニタリングに役立つ可能性があると述べている。「AIを一般的に、そして画像診断、病理学、そして健康記録といった分野において、臨床ワークフローにどのように組み込むことができるかを探る段階です」とケール氏は語る。
