マルチモーダル深層学習モデルによってスクリーニングされた切除可能な HCC 患者における術前補助療法

原発性肝がんは世界で最も一般的な悪性腫瘍の 1 つであり、原発性肝がんの約 80% ～ 90% は病理学的に肝細胞がん (HCC) として特徴付けられます。 根治手術は、肝細胞癌患者が長期生存するための主な方法です。 しかし、BCLC ステージ B または C の HCC 患者に対する外科的治療についてはコンセンサスがありません。この患者に対する治療の第一選択は、経動脈的化学塞栓術と全身薬物療法であった。 中国などの東部諸国では、BCLC-B はさらに IIa 期と IIb 期に分類されており、IIa 期の第一選択治療選択肢として外科的切除が推奨されていますが、IIb 期でも外科的切除が考慮されます。 さらに、多くの研究では、BCLC-C 期の腫瘍患者にも手術の恩恵があり、全体的な予後が非外科的治療よりも良好であることが判明しています。 ただし、術後の再発率は初期の HCC よりも高くなります。 この問題に対処するには、術後の再発リスクを軽減し、全生存期間を改善するための適切な治療計画の選択をガイドするための新しいツールが緊急に必要とされています。

私たちの学際的なチームは、ディープラーニング技術を使用して、治療を受けた536の中期HCC患者の治療前の遺伝子検査データ、デジタル病理スライド、および画像データ（拡張MRI）に基づいて術前補助療法（Neoadj-Net）利益の人工知能予測モデルを構築しました。 HAICとレンバチニブおよびPD-1モノクローナル抗体の併用を6つの施設で実施し、外部施設のデータにより、併用療法の受益者集団を特定するモデルの優れた能力が検証された（AUC 0.89、精度0.86）。 この研究は、精密療法の観点から術前補助療法と直接手術の恩恵を受ける可能性がある患者における術前補助療法の併用療法の利点を観察することにより、術後再発を軽減するための Neoadj-Net の有効性と安全性を調査することを目的としています。