人工知能が各腫瘍細胞のデータに基づいてがん治療への反応を予測

200種類以上のがんがあり、それぞれが独自の特徴を持つため、がんのプレシジョン治療の開発に向けた継続的な取り組みは依然として困難を極めています。焦点は、がんのドライバー遺伝子の変異を特定するための遺伝子検査の開発と、これらの変異を標的とした治療のカスタマイズにあります。

しかし、大半とまでは言わないまでも、多くのがん患者は、これらの早期標的療法から大きな恩恵を受けていません。Nature Cancer誌に掲載された新たな研究で、筆頭著者であるサンフォード・バーナム・プレビス病院分子がん治療プログラムの助教授サンジュ・シンハ博士は、国立衛生研究所（NIH）傘下の国立がん研究所のエイタン・ルッピン医学博士、アレハンドロ・シャッファー博士らと共に、患者ががん治療薬にどのように反応するかを単一細胞レベルで体系的に予測する独自の計算システムを発表しました。

「単一細胞トランスクリプト発現（認識）に基づく個別腫瘍学治療計画」と呼ばれるこの新しい AI を活用したアプローチは、遺伝子によって発現され DNA 情報を行動に変換する転写因子、mRNA 分子の研究であるトランスクリプトミクスを詳しく調べます。

「腫瘍は複雑で、常に変化する生物です。単一細胞解像度を用いることで、これらの課題の両方に対処することができます」とシンハ氏は言います。「PERCEPTIONは、単一細胞オメキシクスから得られる豊富な情報を活用して、腫瘍のクローン構造を理解し、耐性の出現をモニタリングすることを可能にします。」（生物学では、オメキシクスとは細胞内の構成要素の総体を指します。）

シンハ氏はこう語る。「耐性の出現を監視できることが、私にとって最も刺激的な点です。がん細胞の進化に適応し、治療戦略を変える可能性さえ秘めているのです。」

Sinha 氏とその同僚は AI の一分野である転移学習を使用して PERCEPTION を作成しました。

「クリニックからの単一細胞データが限られていることが、私たちの主な課題でした。AIモデルが病気を理解するには大量のデータが必要です。ChatGPTがインターネットから大量のテキストデータを必要とするのと同じです」とシンハ氏は説明します。

PERCEPTIONは、腫瘍から得られた公開済みのバルク遺伝子発現データを用いてモデルの事前学習を行いました。その後、細胞株および患者から得られた単一細胞レベルのデータ（量は限られているものの）を用いてモデルの調整を行いました。

PERCEPTIONは、最近発表された多発性骨髄腫、乳がん、肺がんを対象とした3つの独立した臨床試験において、単剤療法および併用療法への反応予測において高い有効性を示しました。いずれの試験においても、PERCEPTIONは患者を反応者と非反応者に正確に層別化しました。肺がんにおいては、病勢進行に伴う薬剤耐性の発現さえも捉えることができ、これは大きな可能性を秘めた重要な知見です。

シンハ氏によると、PERCEPTIONはまだ臨床で使用できる段階には至っていないものの、このアプローチは個々の細胞レベルの情報を治療の指針として活用できることを示しているという。彼は、この技術が臨床現場で広く採用され、より多くのデータが得られ、臨床応用に向けた技術のさらなる開発と改良に役立てられることを期待している。

「予測の質は、その基盤となるデータの質と量に応じて向上します」とシンハ氏は言います。「私たちの目標は、個々のがん患者における治療反応を体系的かつデータに基づいて予測できる臨床ツールを開発することです。今回の研究結果が、近い将来、より多くのデータや同様の研究を促進することを期待しています。」