新たな研究によると、人工知能は髄膜腫の患者と医師がより良い治療判断を下す助けとなります。
髄膜腫は、脳と脊髄を取り巻く膜から発生する腫瘍です。中枢神経系に発生する原発腫瘍の中で最も一般的で、人口10万人当たりの発生率は8.14です。
一般に他の脳腫瘍より予後は良好ですが、悪性度には大きなばらつきがあります。悪性度を予測し、生存期間を正確に推定できることは、患者にとって手術が最善の選択肢かどうかを判断するうえで、非常に重要です。
この研究では、研究者らは髄膜腫患者6万2,000人以上のデータを用いて機械学習アルゴリズムを訓練しました。米国国立がん研究所の「Surveillance, Epidemiology, and End Results Database（監視・疫学・最終結果データベース）」の患者データを使用しました。研究の目的は、悪性度、生存期間と、腫瘍の大きさや位置、手術方法など一連の基本的な臨床変数との統計的な関連を見つけることでした。
この研究は、モデルが個々の患者の転帰を効果的に予測できることを示しました。一方、研究者らは、脳画像や分子データを含む、より大規模なデータセットを用いてさらに改良する必要があると強調しています。
研究者らはさらに、オープンソースのスマートフォンアプリを開発し、臨床医や他の研究者が論文で説明されている予測アルゴリズムを対話形式で検討できるようにしました。アプリを完全無料のオープンソースにすることで、今後のプロジェクトが新たに開発された機械学習アルゴリズムを実際の臨床現場で活用する助けになると期待しています。
筆頭著者で、マギル大学モントリオール神経学研究所の博士課程候補者であるジェレミー・モロー氏によると、このアプリは予測モデルを一般の臨床医にも利用しやすくすることを目指して開発されました。診療で使えるようになるまでにはさらなる作業が必要ですが、医師にアプリを使ってもらうことで、今後の開発に必要な提案を得られるとモロー氏は述べています。
「このアプリを使って、さまざまな臨床因子が悪性度や生存期間にどのような影響を及ぼすかを検討できることについて、非常に良い反応が寄せられています」とモロー氏は述べています。
「機械学習モデルの臨床応用のしやすさと透明性を高めるための、独自の入口になると考えています。こうしたモデルは、評価に必要な時間やプログラミングの知識が障壁となり、一般の臨床医には評価できないことがあまりにも多いのです。」
この研究は学術誌npj Digital Medicineに掲載されています。
この研究は、神経外科部門基金とカナダ・ファースト研究優秀基金から資金提供を受けました。モロー氏は、Fonds de recherche du Québec—Santé（FRQS）とFoundation of Starsからも研修助成を受けました。
