AIモデルが免疫療法の成功を予測、がん治療期間を短縮

がん治療における免疫療法の活用

腫瘍細胞は体の自然防御から身を隠すため、がんは標的化と治療が極めて困難です。腫瘍細胞は体の自然な免疫反応をブロックしますが、免疫療法により一部の患者ではそれを再活性化できます。問題は、どの患者が反応しやすいかを早期に発見することです。

そのような療法の一つ、免疫チェックポイント阻害剤（ICB）は、がん細胞が隠れようとして出すシャットダウン命令を免疫細胞に無視させます。画期的な発見ですが、がん患者の約3分の1しか治療に反応しません。

新しい機械学習モデルは、現在の試行錯誤法に代わり、ICBに反応しやすい患者を迅速に特定することで、治療までの時間を短縮できる可能性があります。このモデルは、反応しにくい患者がタイムリーに別の治療を受けられることも支援します。また、他の3分の2の患者が反応しない理由の解明にもつながるかもしれません。

関連記事: AIが臨床試験の新時代を切り開く

機械学習モデルの仕組み

機械学習は、患者サンプルから腫瘍のバイオマーカーを探ります。これらのマーカーが他の細胞とどうコミュニケートし、ICBへの反応または拒絶を引き起こすかを探ります。そこから、機械は患者サンプルから学習し、ICB成功を示す同じバイオマーカーを持つ将来の患者を特定できるようになります。

機械学習の利用自体は新しい手法ではありませんが、研究者たちは持続的なデータアクセス問題を解くための小さなトリックを加えました。RNAシーケンシングデータセットは広く利用可能ですが、がん反応に特化したものは限られています。研究者たちは複数の代替免疫反応を使用しました。それらを組み合わせると、陽性のICB反応を示唆できるのです。

現在のバイオマーカー検出と比較テストしたところ、モデルはより優れた性能を示しました。望ましい免疫反応を得る上で最も重要なマーカーが何かを特定するのにも役立つかもしれません。これは、医師や医療従事者とのパートナーシップによる個別化医療の実現へのもう一歩です。

IoT-as-a-Service：導入・価値・イノベーションを加速する産業製造におけるローコードソリューションの4つの主要メリット

モノのインターネットテクノロジー