新研究: AIツール「DeepPT」がmRNAプロファイリングと組織サンプルで癌治療効果を向上

読了時間: 2 分
によって Jamie Olivos
-
mRNAプロファイルと組織サンプルを解析するAIモデル

Tokyoオーストラリア国立大学(ANU)の研究者たちは、新しいAIツール「DeepPT」を開発しました。このツールは、がん治療の改善を目指しており、患者のmRNAプロファイルを予測する機能を持っています。mRNAプロファイルは、タンパク質の生成やがん治療の個別化に重要です。DeepPTの開発には、アメリカ国立がん研究所の科学者や製薬会社Pangea Biomedの協力も得られました。

DeepPTは、患者ががん治療にどのように反応するかを予測する能力において大幅な改善を示しました。また、ENLIGHTという別のツールと組み合わせることで、さまざまなタイプのがんに対する反応を正確に予測することができました。ANUのダン・タイ・ホアン博士は、特に進行の早いがんにおいて、適切な治療法を選ぶことが患者の転帰にいかに重要かを強調しました。

DeepPTは、公正なデータセットを用いて訓練されました。このデータセットには5500人の患者が含まれており、乳がん、肺がん、頭頸部がん、子宮頸がん、膵臓がんなど、16種類の主要ながんが対象とされています。

DeepPTを使用することで、研究者たちは患者の反応率が33.3%から46.5%に上昇したことを確認しました。この増加は、このツールが実際の臨床現場で有効であることを示しており、重要です。このAIモデルは、同じチームが以前に行った脳腫瘍の分類ツールの開発の成果をさらに向上させ、他の種類のがんにも信頼性の高い方法を提供しています。

DeepPTは、組織病理画像を使用している点で際立っており、これは患者の組織から得られる詳細な写真です。この画像は入手が容易で、経済的で、迅速に処理できます。このため、数週間かかることもある複雑な分子データの長い待ち時間を避けることができます。迅速な処理は、緊急の治療が必要な重篤な腫瘍を抱える患者にとって特に重要です。

DeepPTとENLIGHTは臨床データを用いて予測を行います。一方、組織病理学画像を活用することは革新的な手法であり、これらの画像は日常の医療現場ですでに使用されているため、現行の業務フローに容易に組み込めます。より高い治療反応率が示しているように、AIは個別化された癌治療において重要な役割を果たす可能性があります。

この研究はNature Cancerに掲載されており、その科学的信頼性が示されています。また、国立がん研究所やPangea Biomedのような著名な組織と協力していることも、その信頼性を高める要因となっています。

この進展は、より良いがん治療への希望ある一歩を示しています。さまざまな分野の協力と先端のコンピューティング技術がどのように医療の実際の改善をもたらすことができるかを示しています。

AIは医療の分野で非常に重要になっており、DeepPTのようなツールがその先頭に立っています。これらのツールは、個別化医療をより身近にし、効果的にする手助けをしています。一般的な臨床データを利用することで、研究と患者ケアをつなぐことができ、がん患者にとってより良い結果が期待されています。

このツールがどのように進化し、他の病気にも応用できるかどうか注目されます。現時点では、癌との闘いにおいて重要な一歩を踏み出しています。

この研究はこちらに掲載されています:

http://dx.doi.org/10.1038/s43018-024-00793-2

およびその公式引用 - 著者およびジャーナルを含む - は

Danh-Tai Hoang, Gal Dinstag, Eldad D. Shulman, Leandro C. Hermida, Doreen S. Ben-Zvi, Efrat Elis, Katherine Caley, Stephen-John Sammut, Sanju Sinha, Neelam Sinha, Christopher H. Dampier, Chani Stossel, Tejas Patil, Arun Rajan, Wiem Lassoued, Julius Strauss, Shania Bailey, Clint Allen, Jason Redman, Tuvik Beker, Peng Jiang, Talia Golan, Scott Wilkinson, Adam G. Sowalsky, Sharon R. Pine, Carlos Caldas, James L. Gulley, Kenneth Aldape, Ranit Aharonov, Eric A. Stone, Eytan Ruppin. A deep-learning framework to predict cancer treatment response from histopathology images through imputed transcriptomics. Nature Cancer, 2024; DOI: 10.1038/s43018-024-00793-2
人工知能: 最新ニュース
次を読む:

この記事を共有

コメント (0)

コメントを投稿