深層学習モデルが肝臓がんの超音波からの浸潤を予測、より良い治療計画への道を開く

肝細胞癌(HCC)患者にとって、微小血管浸潤(MVI)の有無は最も重要な予後因子の1つである。周辺の血管に浸潤した腫瘍細胞は、外科的切除やアブレーション後の再発リスクを劇的に増加させる。しかし、MVIは現在のところ、手術後に切除組織を顕微鏡で検査することでのみ確認可能であり、初期治療方針の決定には間に合わない。

中国の23病院で開発された深層学習モデルがそれを変える可能性がある。MAPUSE(MVI AI Prediction via Contrast-enhanced Ultrasound with Explainability)と呼ばれるこのモデルは、術前の造影超音波(CEUS)ビデオからMVIを予測し、複数の検証コホートでAUC値0.835〜0.978を達成している。

7月10日付でNature Communicationsに掲載されたこの研究(DOI:10.1038/s41467-026-74985-y)は、中国解放軍総病院、中国科学院自動化研究所、および他の21施設の研究者らが主導した。

超音波のためのTransformer

MAPUSEモデルはTimeSformerアーキテクチャ(畳み込みバックボーンを持たない完全Transformerベースのビデオモデル)を使用して、各CEUSビデオから48フレームを分析する。フレームは動脈相(0〜45秒)、静脈相(45〜120秒)、遅延相(180〜190秒)にわたってサンプリングされる。関心領域には、腫瘍周囲の1.2倍に拡大されたバウンディングボックスと腫瘍周辺組織が含まれ、腫瘍のみの分析を上回る性能を示した。

研究チームは23病院の1,716人のHCC患者から5,148件のCEUSビデオを収集した。これはこの目的のために集められた最大級の超音波AIデータセットの1つである。ビデオは330万フレーム以上を構成する。トレーニングには495人、内部検証には213人、ホールドアウトテストには2種類の異なる超音波造影剤(SonovueおよびSonazoid)を使用した190人、そして前向き検証として中国南部(広州)と中国北部(北京)の2つの独立したコホートが用いられた。

コホート間のパフォーマンス

モデルのAUCは、ホールドアウトSonovueテストセットでの0.835からトレーニングセットでの0.986までの範囲であった。前向き検証では、南部コホートがAUC 0.886、北部コホートが0.847を達成した。

パフォーマンスは腫瘍サイズに強く依存した。5cmを超える腫瘍ではAUCは0.978に達した。3〜5cmの腫瘍では0.814に低下し、3cm未満の腫瘍(まさに術前のMVI評価が最も臨床的に価値がある群)ではAUCは0.756に低下した。

生物学的説明可能性

この研究の注目すべき貢献の1つは、モデルが実際に何を検出しているかを説明しようとする試みである。超音波ヒートマップ上のモデルの高注意領域のわずか15%が、微小血管浸潤の実際の物理的位置と一致しており、つまりモデルは血管内の腫瘍塞栓を直接見ているわけではない。代わりに、バルクRNAシーケンシング(203人)、単一細胞RNAシーケンシング(12人、86,412個の免疫細胞)、免疫組織化学(64人、160の注意領域)を含む三重検証分析を通じて、チームはMVI高リスクスコアが腫瘍微小環境におけるCD8+ T細胞浸潤の減少と相関することを示した。

「MVI高リスク患者は免疫デザート表現型を持っている」と著者らは記している。このモデルは、免疫排除(細胞傷害性T細胞に敵対的な腫瘍微小環境)と相関する超音波特徴を検出しているようであり、それが血管浸潤の可能性の高さと関連している。

臨床的意義

アブレーション患者568人の別のコホートでは、MAPUSEによってMVI高リスクと分類され補助免疫療法を受けた患者は、受けなかった患者よりも5年無病生存率が有意に良好であった(30.8%対14.6%、ハザード比0.61)。これは、このモデルがアブレーション後に免疫療法の恩恵を最も受けやすい患者を特定するのに役立つ可能性を示唆しており、これは現在MVIステータスを含まない基準で選択されている群である。

著者らは、このモデルは病理診断を代替するものではなく、現在存在しない術前リスク評価を提供することを目的としていると強調している。MVIステータスは術後の所見であり、MAPUSEは最初の切開の前にその情報への窓を提供する。


雅子 訳

出典: Pang, C., Ru, J., Liu, Y. et al.「Prediction of microvascular invasion in hepatocellular carcinoma using contrast-enhanced ultrasound and deep learning」Nature Communications(2026). DOI:10.1038/s41467-026-74985-y

Scroll to Top